Estoy tratando de extraer la ID de secuencia y el número de clúster que ocurren en diferentes líneas dentro del mismo archivo de texto.
La entrada se parece a
>Cluster 72
0 319aa, >O311_01007... *
>Cluster 73
0 318aa, >1494_00753... *
1 318aa, >1621_00002... at 99.69%
2 318aa, >1622_00575... at 99.37%
3 318aa, >1633_00422... at 99.37%
4 318aa, >O136_00307... at 99.69%
>Cluster 74
0 318aa, >O139_01028... *
1 318aa, >O142_00961... at 99.69%
>Cluster 75
0 318aa, >O300_00856... *
La salida deseada es la ID de secuencia en una columna y el número de clúster correspondiente en la segunda.
>O311_01007 72
>1494_00753 73
>1621_00002 73
>1622_00575 73
>1633_00422 73
>O136_00307 73
>O139_01028 74
>O142_00961 74
>O300_00856 75
¿Alguien puede ayudarme con esto?
>
? Además, puede estar interesado en nuestro sitio hermano, Bioinformática .