甘蓝型油菜Darmor参考基因组的cds文件的序列编号为gene的alias，如“GSBRNA2T00121640001”；而文章发表习惯使用gene的ID号，如“BnaC09g12820D”。需要将brassican_napus_v4.1.chromosomes/Brassica_napus.annotation_v5.gff3.cds.fa文件中的gene alias对等替换为gene ID 生成新的fa文件，以便建立blast数据库。之前使用了perl结合sed命令，该101040条数据需要72-84小时的运算时间。脚本如下：

#!/usr/bin/perl;

while(<>){

split;

`sed -i 's/$_[1]/$_[0]/' /database/brassican_napus_v4.1.chromosomes/test/Brassica_napus.annotation_v5.gff3.cds.fa `

}

经再学习小骆驼，修改脚本如下：

#!/usr/bin/perl ;

#repalce.pl脚本用于替换基因编号，需要三个文件作为脚本运行参数，第一个文件为替换对照表，第二个文件为要替换的fa文件，第三个为输出结果文件

#usage：perl repalce.pl list.file fa.file out.file

open LIST,$ARGV[0];

open FAFILE,$ARGV[1];

open OUT,">$ARGV[2]";

undef $/;#在misa.pl 中学到的，取消“\n”作为换行符

$in=<FAFILE>;#整体输入fa文件为单个变量，内存需要足够大

study $in;

$/="\n";#恢复换行符

while(<LIST>){

    chomp;

    my($new,$old)=split;

    $in=~s/$old/$new/;

}

该脚本大约30-40分钟即可完成101040条数据的替换。

附件：

list 文本格式如下：

BnaC09g12820D GSBRNA2T00000001001

BnaC09g12810D GSBRNA2T00000003001

BnaC09g12800D GSBRNA2T00000005001

BnaC09g12790D GSBRNA2T00000007001

BnaC09g12780D GSBRNA2T00000008001

BnaC09g12770D GSBRNA2T00000009001

BnaC09g12760D GSBRNA2T00000011001

BnaC09g12750D GSBRNA2T00000012001

BnaC09g12740D GSBRNA2T00000015001

BnaC09g12730D GSBRNA2T00000016001

fa文本如下：

>GSBRNA2T00121640001

ATGGATTGGCAAGGACAGAAACTAGCGGAGCAGCTGATGCAGATCCTGCTCTTGATCGCC

GCCGTTGTGGCGTTCGTCGTTGGTTACACGACGGCGTCGTTTAGGACGATGATGTTGATT

TACGCGGGAGGGGTTGGTGTCACGACGTTGATCACGGTGCCGAACTGGCCATTCTTTAAC

CGTCATCCACTCAAGTGGTTGGAACCAAGTGAAGCGGAGAAGCATCCTAAACCGGAAGTC

GTTGTTAGCTCGAAGAAGAAGTCATCTAAAAAGTAG

>GSBRNA2T00121639001

ATGGAATGCAGATTGATTCATATCTGGATAGACTTAGCAGCTCCTACTATCATAGCATTG

ATCATTTTGATTTTAAATCCACAATCCGCGATGCTGCTAACACTAAAGCCCTTTGTGCCC

ATCACACCAAAGCCTCGTTATTCATACATCATTCCTCATCACCATCATCATGTTAGTTTC

输出结果文本如下：

>BnaA01g00010D

ATGGATTGGCAAGGACAGAAACTAGCGGAGCAGCTGATGCAGATCCTGCTCTTGATCGCC

GCCGTTGTGGCGTTCGTCGTTGGTTACACGACGGCGTCGTTTAGGACGATGATGTTGATT

TACGCGGGAGGGGTTGGTGTCACGACGTTGATCACGGTGCCGAACTGGCCATTCTTTAAC

CGTCATCCACTCAAGTGGTTGGAACCAAGTGAAGCGGAGAAGCATCCTAAACCGGAAGTC

GTTGTTAGCTCGAAGAAGAAGTCATCTAAAAAGTAG

>BnaA01g00020D

ATGGAATGCAGATTGATTCATATCTGGATAGACTTAGCAGCTCCTACTATCATAGCATTG

ATCATTTTGATTTTAAATCCACAATCCGCGATGCTGCTAACACTAAAGCCCTTTGTGCCC

ATCACACCAAAGCCTCGTTATTCATACATCATTCCTCATCACCATCATCATGTTAGTTTC