如何批量更改Fasta文件的序列名？

 

在对fasta文件处理的时候，许多小伙伴经常会遇到要修改fasta文件序列名的情况。当要修改的序列只有几条的时候，手动就好了。但当序列成百上千的时候，手动修改就显得很笨了。

笔者最近也遇到了要大量修改序列名的情况，所以写了一个简单的python脚本，在这里和大家共享：

文件准备

首先，我们要准备输入文件。

输入文件一：序列文件

输入文件一是我们要处理的fasta文件，可以是核苷酸序列，也可以是氨基酸序列，两个都可以，取决于你要处理的序列。

fasta文件的格式很简单，由两部分组成：

一部分是序列名，该部分以>开头，后边跟着该条序列的名字。有时候的时候名字由多个由空格隔开的字符串组成，在分析的时候，我们通常会简化名字，只保留重要的那一个字符串。这是因为很多生物信息软件在处理复杂的序列名时，会出现意想不到的错误，比如基因结构注释软件Braker3。「注意」：序列名只能是一行。

另一部分是序列，可以由多行组成，也可以是一行。

在我们的脚本里，支持对含有空格的序列名处理，但不支持以\t（制表符）分割的，下边举几个例子：

>seq1
MAASTMA