用R语言随便编一个模拟fasta序列

在生物信息学中，FASTA格式（又称为Pearson格式），是一种基于文本用于表示核苷酸序列或氨基酸序列的格式。格式：第一行为一个大于号加序列名称；第二列为序列信息（核苷酸用ACGT四种字母表示；氨基酸用20个字母表示），接下来利用R语言一些函数循环编写多个fasta序列，并储存到本地。
教程参考自生信星球，海边拾贝的旺财，嘻嘻~

蛋白质序列

涉及的两个基础函数

• sample抽样函数
  sample(x,n,replace=TRUE) 三个参数依次表示抽样数据源，抽样次数，抽样方法（TRUE表示有放回的抽取）
• paste连接函数，有两个特殊参数，一个是sep、一个是collapse，分别对应两种连接用法。
  （1）一般使用paste需要提供两个数据对象，以供连接；使用sep参数表示连接方式，而默认为空格连接sep=" "

paste('A','B','C')
paste(c('A','B','C'),c(1,2,3))
paste(c('A','B','C'),c(1,2,3),sep="-")

1

（2）如果仅提供一个数据对象，以希望修改数据对象内的连接方式，需要使用collapse参数。（可能用的比较少，但的确这次用到了）

paste('1','2','3')  #多个对象
paste(1:3)  #一个对象
paste(1:3, collapse="")
paste(1:3, collapse="-")

2

开始吧~

步骤一：function()

x= c("A","T","C","G")
ms <-function(n){
  paste(sample(x,n,replace = TRUE),collapse = "")
} 
ms(25)

抽取

步骤二：for循环批量抽10个

y = c()
for(i in 1:10){
  y[i] = ms(25)
}
y

批量处理

步骤三：利用换行符\n组成fasta文件格式

• 法1

x1 = paste0("seq",1:10)
# x1=paste("seq",1:10,sep="")
# paste0()就是sep=""的paste()
res <- paste0(">",x1,"\n",y)
res
writeLines(res)

res1

• 法2

df <- data.frame(V1=paste0("seq",1:10),V2=y)
#转成表格，其中V1，V2表示列名
res2 = apply(df,1,function(x){
  paste0(">",x[1],"\n",x[2])
})
writeLines(res2)

步骤四：导出

write.table(res1,
            file = "test.fasta",
            row.names = F,
            quote = F)

最终结果

就最后的结果来看，首行为单独一个x的多余行，奇怪，存疑！有知道为什么的朋友吗？欢迎评论区留言。