在 R 中加载 FASTA 文件比使用来自 seqinr 的 read.fasta() 更快

Question

我目前正在使用 R 包 seqinr 中的函数 read.fasta()。
我认为创建索引文件已经使读取速度更快，但我想知道是否已经有另一个函数可以更快地加载它？

我从 PopGenome 寻找函数 read.big.fasta()，但是这个包已经从 CRAN 和 Bioconductor 中删除，所以我不再那么确定了。有什么建议吗？

Answer 1

您可以使用 Biostrings 中的 readDNAStringSet。

获取人类基因组： download.file("https://hgdownload.soe.ucsc.edu/goldenPath/hg38/bigZips/hg38.fa.gz","../Downloads/test.fa.gz")

使用readDNAStringSet或read.fasta：

f1 = function(){readDNAStringSet("../Downloads/test.fa.gz")}
f2 = function(){read.fasta("../Downloads/test.fa.gz")}

library(Biostrings)
library(seqinr)

microbenchmark::microbenchmark(f1(),times=5)
Unit: seconds
 expr      min       lq     mean   median       uq      max neval
 f1() 42.82203 43.57036 45.10369 45.64206 46.37412 47.10987     5

microbenchmark::microbenchmark(f1(),times=5)
### did not finish running
### so definitely not the option for large fasta files

在 R 中加载 FASTA 文件比使用来自 seqinr 的 read.fasta() 更快

Loading FASTA file in R faster than when using read.fasta() from seqinr

r

parallel-processing

fasta