将 Fasta 比对文件读入 R，以便从一列中的多个序列中获取每个核苷酸

Question

我想知道是否有一种方法可以将Fasta比对文件写入R，以便在一列中获得每个序列的每个核苷酸？例如：

>sample1
atgc
>sample2
aagc

我想在 R 中获得 5 列，第一列是样本名称，然后每一列是每个样本的核苷酸。

sample1 a t g c
sample2 a a g c

这可能吗？

Answer 1

首先你需要读入你的文件。 readLines() 将文件转换为每行一个元素的字符向量。假设该文件仅包含您问题中显示的类型的数据，您可以使用：

file_lines <- readLines("\your\file\path.file")

然后，dplyr、stringr 和 tidyr 中的函数可以帮助您清理数据。

library(dplyr)
library(stringr)
library(tidyr)

matrix(file_lines, ncol = 2, byrow = TRUE) %>%
  as.data.frame() %>%
  rename(sample = V1) %>%
  mutate(sample = str_remove(sample, ">")) %>%
  separate(V2, into = paste0(".", 1:4), sep = 1:4)

   sample .1 .2 .3 .4
1 sample1  a  t  g  c
2 sample2  a  a  g  c

将 Fasta 比对文件读入 R，以便从一列中的多个序列中获取每个核苷酸

Read Fasta alignment file into R in order to get each nucleotide from several sequences in one column

r

alignment

fasta