如何将 FASTA 读入数据框并在 d3.js 中提取 FASTA 文件的子序列

Question

我有一个 DNA 序列的小 fasta 文件，如下所示：

sequence 1 >
ACATATTGGAGGCCGAAACAATGAGGCGTGATCAACTCAGTATATCAC

sequence 2 >
CTAACCTCTCCCAGTGTGGAACCTCTATCTCATGAGAAAGCTGGGATGAG

问题

如何在d3.js中解析它？
- 比如从 100 个以 fasta 格式存储的序列计算平均序列，以及如何像 d3 中的 2D 对象一样捕获它。

2.How 要在（开始、结束）位置提取子序列？

Answer 1

1.How to parse it in d3.js?

D3.js 是一个 JavaScript（查看 "js"）库，用于根据数据操作文档。所以，归根结底，D3是javascript，没有"parsing"核酸序列的功能

关于D3（其实是关于JavaScript），你可以把DNA序列当做字符串来处理：

"ACATATTGGAGGCCGAAACAATGAGGCGTGATCAACTCAGTATATCAC..."

或作为数组：

["A", "C", "A", "T", "A"...]

或者，以一种繁琐的方式，作为 objects:

的数组

[{position:1, base:"A"}, {position:2, base:"B"}...]

这取决于你。 FASTA是text-based，这意味着我们会将数据视为字符串（第一个选项）。

2.How to extract subsequence at (start, end) location?

由于 D3 是一个 javascript 库，您必须使用 JavaScript 方法处理您的字符串。

例如，要找到起始（TAC，对应于 UAG 密码子）三联体在您的序列中的位置，您可以使用 indexOf:

var sequence = "ACATACTGGAGGCCGAAACAATGAGGCGTGATCAACTCAGTATATCAC";

var start = "TAC";

console.log(sequence.indexOf(start))

（请记住，正如我所知道的大多数计算机语言一样，JavaScript 是从零开始的，这意味着前面代码段中的结果 2 表明开始序列开始在你序列的 third 碱基）

或者，要提取从给定起点到给定终点的序列，您可以使用 substring 和 indexOf:

var sequence = "ACATACTGGAGGCCGAAACAATGAGGCGTGATCAACTCAGTATATCAC";

var start = "TAC";

var stop = "GGC"

console.log(sequence.substring(sequence.indexOf(start), sequence.indexOf(stop)+3))

PS：FASTA 文件有一个 header 和一堆除了实际核苷酸序列之外的其他内容。如果 "parse" 你说的只是从 FASTA 文件中提取序列，我建议你 post another问题，没有标签 D3，有标签 Javascript 并解释什么是 FASTA 文件。

如何将 FASTA 读入数据框并在 d3.js 中提取 FASTA 文件的子序列

how to read FASTA into dataframe and extract subsequences of FASTA file in d3.js

javascript

parsing

d3.js

fasta