如何在R中使用for循环将fasta分成两列而不使用任何包？

Question

我有一个fasta文件，它看起来像下面，还有其他头和相应的序列。我如何用 "for循环 "写一段代码，将其转换为数据帧，其中ORF名称存储在第1列，相应的上下游序列存储在第2列？(使用R studio)

>YAL001C TFC3 SGDID:S000000001, Chr I from 152168-146596, reverse complement, Verified ORF, "Largest of six subunits of the RNA polymerase III transcription initiation factor complex (TFIIIC); part of the TauB domain of TFIIIC that binds DNA at the BoxB promoter sites of tRNA and similar genes; cooperates with Tfc6p in DNA binding"
ACTTGTAAATATATCTTTTATTTTCCGAGAGGAAAAAGTTTCAAAAAAAAAAAAAAAAAA
AGAAGAAAAATAACTTTCTCATGTAATAAAAGGTAACTAATGTAGACAAAAAAGTATACA
TTTAGCTTTTCTTTTTTTGATGATTTTTGAGTTTCATGTTACTAATCAGAACAATTAACG

Answer 1

请大家试一试。

tmp <- scan("foo.fa",sep="\n",what="character")
tmp.paste <- paste(tmp,collapse="\t")
tmp.fa <- strsplit(tmp.paste,">")[[1]]
tmp.dt <- t(sapply(tmp.fa,function(x){
  x1 <- strsplit(x,"\t")[[1]]
  x1.head <- strsplit(x1[1]," ")[[1]][1]
  x1.fa <- paste(x1[-1],collapse="")
  x1.fa <- gsub("\t","",x1.fa)
  c(x1.head,x1.fa)
}))
colnames(tmp.dt) <- c("ORFID","Fasta")

Answer 2

我依靠stringr进行字符串操作，所以我用了这个，我不确定你的意思是否是没有包，因为没有fasta修改包，但这里有一个for循环的要求。

library(stringr)

#read in fasta
fa <- readLines("./test.fa")

#initialize empty data frame
df <- data.frame()

for (line in fa) {
  if (startsWith(line, ">")) {
    lin <- str_extract(line, "(\".+)(\")")
    df[nrow(df)+1,c(1,2)] <- c(substr(lin, 2, nchar(lin)-1), str_extract(line, "[0-9]+-[0-9]+"))
  }
}
#change col names
colnames(df) <- c("ORF", "SEQloc")

如果你只对fasta的头行感兴趣，可以在R中加载它之前对文件进行一些前期编辑，用。

grep "^>" test.fa > header_only_test.fa