Como separar os nomes dos genes unidos pelo sublinhado?

Question

Eu gostaria de separar os nomes dos genes que foram unidos por traço. Eu gostaria de substituir por guias.

Meu arquivo de entrada é:

Cedr3g0570.1_XP_019283.1
Cedr4g7930.2_XP_019241.1
Cedr5g005170.1_C0LGS3.1
Cedr7g0290.5_XP_01921.1
CT35v5_contig_2082_1.6_XP_0272.1
CT35v5_Cedr2g060.1_GAU97.1
CT7New_004.1_XP_01996.1

Mas gostaria da seguinte saída:

Cedr3g0570.1            XP_019283.1
Cedr4g7930.2            XP_019241.1
Cedr5g005170.1          C0LGS3.1
Cedr7g0290.5            XP_01921.1
CT35v5_contig_2082_1.6  XP_0272.1
CT35v5_Cedr2g060.1      GAU97.1
CT7New_004.1            XP_01996.1

A questão é que não posso simplesmente substituir o primeiro traço porque eu tenho alguns genes com traço em seus nomes, como CT35v5_contig_2082_1.6. Eu tentei usar sed 's/_/\t/' , mas não funcionou para alguns genes, como CT35v5_contig_2082_1.6

    

Answer 1

sed 's/\(\.[0-9]\)\(_\)/ /' inputfile | column -t

A expressão regular /\.[0-9]_/ parece corresponder ao seu caso, então divido isso em dois grupos de referências anteriores usando parênteses e imprimo o primeiro grupo e alguns espaços em branco, separando suas colunas, que podem ser tabularizadas usando column -t .

    

Answer 2

Parece que o sublinhado que você deseja substituir é SEMPRE após um ponto . seguido por um único dígito [0-9] .

sed 's|\.\([0-9]\)_|.\t|'

Isso irá procurar por um ponto literal \. seguido por um único dígito que será salvo em um grupo \([0-9]\) seguido por um sublinhado _ . Substitua por um ponto, o primeiro grupo que salvamos e uma guia \t .