将multifasta文件拆分为具有相同访问编号的文件

Question

我有一个包含数千个登录号的文件：

看起来像这样

>NC_033829.1 Kallithea virus isolate DrosEU46_Kharkiv_2014, complete genome
AGTCAGCAACGTCGATGTGGCGTACAATTTCTTGATTACATTTTTGTTCCTAACAAAATGTTGATATACT

>NC_020414.2 Escherichia phage UAB_Phi78, complete genome
TAGGCGTGTGTCAGGTCTCTCGGCCTCGGCCTCGCCGGGATGTCCCCATAGGGTGCCTGTGGGCGCTAGG

如果要将其拆分为多个文件，每个文件都有一个登录号，那么我可以使用以下代码

awk -F '|' '/^>/ {F=sprintf("%s.fasta",$2); print > F;next;} {print >> F;}' < yourfile.fa

我有一个包含数千个登录号（aka>；NC_*）的文件，并希望将其拆分，例如每个文件包含约5000个登录号。因为我是awk/bash/python新手，所以我很难找到一个简洁的解决方案

任何想法或意见都将不胜感激

Answer 1

非常感谢你的回答，我学到了很多。我真正想做的是将multifasta文件拆分为具有相同登录号的文件。经过一场漫长的战斗，在一位同事的帮助下，以下是我的答案

awk 'BEGIN {n_seq=0;} /^>/ {if(n_seq%5000==0){file=sprintf("myseq%d.fa",n_seq);} print >> file; n_seq++; next;} { print >> file; }' < my_sequences.fa

在这里，您可以创建新的fasta文件，其中每个文件都有5000个登录号或标题

谢谢大家