将数据框中的 fasta 文件拆分为第 4 列并重命名，在 R 中

Question

//#我有一个 fASTA 文件，我想把它放在一个有 4 列的表中

#代码 安装.packages（“seqinr”）

library("seqinr")
dnaseq<- read.fasta(file = "C:/Users/user/Downloads/my.fasta") 
rows = 4:nrow(dnaseq)
dff<-data.frame(ID = gsub(">","",as.character(dnaseq[rows %% 4==3,3])),names= dnaseq[rows %% 4==2,3],specie= dnaseq[rows %% 4==1,3], sequences = dnaseq[rows %% 4==0,3])

#rslt 查看(dff) 表中无可用数据

#我也试过了 库（phylotools） fasta.df = read.fasta("C:/Users/user/Downloads/my.fasta",names=['ID','names','specie','sequence']) #结果

fasta.df = read.fasta("C:/Users/user/Downloads/my.fasta",names=['ID','names','specie','sequence']) 错误：“fasta.df = read.fasta("C:/Users/user/Downloads/my.fasta",names=["

Answer 1

我希望你已经从gencode

下载了你的fasta文件

Fasta 文件看起来像这样

>ENST00000456328.2|ENSG00000223972.5|OTTHUMG00000000961|OTTHUMT00000362751.1|DDX11L1-202|DDX11L1|1657|processed_transcript|
GTTAACTTGCCGTCAGCCTTTTCTTTGACCTCTTCTTTCTGTTCATGTGTATTTGCTGTC
>ENST00000450305.2|ENSG00000223972.5|OTTHUMG00000000961|OTTHUMT00000002844.1|DDX11L1-201|DDX11L1|632|transcribed_unprocessed_pseudogene|
GTGTCTGACTTCCAGCAACTGCTGGCCTGTGCCAGGGTGCAAGCTGAGTTGGAGGAAAGA
.
.

加载需要的包

#install.packages("seqinr")
library(seqinr)
#install.packages("tidyverse")
library(tidyverse)

首先我们将fasta文件读入R

gencode_fasta <- read.fasta(file = "Path/to/my/fasta/file.fa" )  

提取头部信息到数据框中

header_df=as.data.frame(names(gencode_fasta))

将列名更改为 target_id

names(header_df)=c("target_id")

将标题信息拆分为多列

header_df=separate(header_df, col=target_id, into=c("transcript","ens_gene","OG","OT","c5","ext_gene","num","type","unknown"), sep="\\|", remove = FALSE)

• 如果你的header信息少，改成=c(.....)
• 如果您的分隔符不是“|”，请相应更改

仅选择所需的列

my_gene_df=header_df[,c("ext_gene","ens_gene","target_id")]