在fastq文件中，如何将序列头更改为文件名和唯一标识符？

问题描述

我正在处理条形码数据，我希望能够合并fastq文件，并能够轻松分辨出读取的原始条形码。所以我试图将读取的名称更改为文件的名称（即条形码01.fastq），并在末尾附加一个唯一的数字。我希望最终产品是这样的：

> barcode01_1
AAGTAGCCTTCGTTCAGTTACGTATTG
+
(&)(*),+*)'(5<64?CA?<;A=@D6
> barcode01_2
...

到目前为止，我使用awk有以下内容：

find . -type f -printf "/%P\n" | \
    while read FILE ; 
        do 
            PREFIX=$(echo ">",${FILE##*/}"_");
            awk -v PREFIX=$PREFIX '{
                if (NR%4 == 1) 
                    print PREFIX,++i;
                else 
                    print $0
            }' ${FILE} > ../${FILE}.fastq;
    done 

这会从子目录中获取所有fastq文件，并使文件头为> barcode01_ 1，但我不知道该如何摆脱空间。如果我删除PREFIX和++i之间的逗号：

find . -type f -printf "/%P\n" | \
    while read FILE ; 
        do 
            PREFIX=$(echo ">",${FILE##*/}"_");
            awk -v PREFIX=$PREFIX '{
                if (NR%4 == 1) 
                    print PREFIX ++i;
                else 
                    print $0
            }' ${FILE} > ../${FILE}.fastq;
    done

这使得标头仅增加数字而没有> barcode01_部分。

解决方法

将++推到i上并不意味着awk会将其应用于i而不是PREFIX。比较：

$ awk 'BEGIN{PREFIX="foo"; print PREFIX ++i}'
0

具有：

$ awk 'BEGIN{PREFIX="foo"; print PREFIX (++i)}'
foo1

您的脚本还有其他问题，请将其复制/粘贴到http://shellcheck.net中以了解其中的一些问题，然后在您需要其他帮助时发布新的问题。