以fasta為例，刷一波R語言小技巧

1.生成一組示例序列

先生成一條序列,並且把生成序列的代碼寫成個函數，函數的輸入數據是序列的長度：

x= c("A","T","C","G")
ms  paste(sample(x,n,replace = TRUE),collapse = "")
} 
ms(25)
#> [1] "AAAGGTAGGTGTTGTAGAACTATGT"

然後生成一組示例數據，例子是10個序列，每個長度25：

知識點一：用sample和paste0生成隨機字符串

paste0和sample都是基礎函數，但是用處很大，sample表示抽樣，加上replace = TRUE就是有放回的抽樣，paste0則表示將結果無縫連接起來，這不就成了個序列嘛~

知識點二：

用數據結構（例如向量/列表）儲存for循環多次產生的結果，這些結果成為向量/列表裡的元素。

y = c()
for(i in 1:10){
 y[[i]] = ms(25)
}
y
#> [1] "GACCGCCTTATAGCAGTTAGTGTAG" "GGAAGCGTCATTCGAACTATGCCGG"
#> [3] "AACAGTTCCGTCCACTTGGCCATTG" "TACCGCCTTTGTTAGCCGTGTGGCT"
#> [5] "ATCTCCAGACTTTATAAATCTATCA" "GTGTGGTATTATCGTGATCTCCACG"
#> [7] "GAGCACAGACGCGCTAGAGAATTGA" "GTTTTACACGCATCAGTGGGTAAAG" 

#> [9] "TGGCAGTGTCTCTCTAGCGTGATCT" "AGGCCATGGGTTGGGAGTTACTTAT"

如果你有真實的序列，直接用readLines()讀進來，as.character()變成字符串就好。

2.把序列成fasta格式

最簡單的fasta格式是第一行大於號加序列名稱，第二行是序列。

把字符串序列變成fasta格式，可以這樣

方法一

x1 = paste0("seq",1:10)
res ",x1,"\\n",y)
res
#> [1] ">seq1\\nGACCGCCTTATAGCAGTTAGTGTAG" 
#> [2] ">seq2\\nGGAAGCGTCATTCGAACTATGCCGG" 
#> [3] ">seq3\\nAACAGTTCCGTCCACTTGGCCATTG" 
#> [4] ">seq4\\nTACCGCCTTTGTTAGCCGTGTGGCT" 
#> [5] ">seq5\\nATCTCCAGACTTTATAAATCTATCA" 
#> [6] ">seq6\\nGTGTGGTATTATCGTGATCTCCACG" 
#> [7] ">seq7\\nGAGCACAGACGCGCTAGAGAATTGA" 
#> [8] ">seq8\\nGTTTTACACGCATCAGTGGGTAAAG" 
#> [9] ">seq9\\nTGGCAGTGTCTCTCTAGCGTGATCT" 
#> [10] ">seq10\\nAGGCCATGGGTTGGGAGTTACTTAT"
writeLines(res)
#> >seq1
#> GACCGCCTTATAGCAGTTAGTGTAG
#> >seq2
#> GGAAGCGTCATTCGAACTATGCCGG
#> >seq3
#> AACAGTTCCGTCCACTTGGCCATTG
#> >seq4
#> TACCGCCTTTGTTAGCCGTGTGGCT 

#> >seq5
#> ATCTCCAGACTTTATAAATCTATCA
#> >seq6
#> GTGTGGTATTATCGTGATCTCCACG
#> >seq7
#> GAGCACAGACGCGCTAGAGAATTGA
#> >seq8
#> GTTTTACACGCATCAGTGGGTAAAG
#> >seq9
#> TGGCAGTGTCTCTCTAGCGTGATCT
#> >seq10
#> AGGCCATGGGTTGGGAGTTACTTAT

知識點三：

writeLines可以將字符串中的特殊符號"\\n","\\t"等顯示出來成為它本來的樣子。

方法二

（其實寫這一篇只是為了舉個例子說說apply（），結果跑偏了。）

df res2 = apply(df,1,function(x){
 paste0(">",x[1],"\\n",x[2])
})
res2
#> [1] ">seq1\\nGACCGCCTTATAGCAGTTAGTGTAG" 
#> [2] ">seq2\\nGGAAGCGTCATTCGAACTATGCCGG" 
#> [3] ">seq3\\nAACAGTTCCGTCCACTTGGCCATTG" 
#> [4] ">seq4\\nTACCGCCTTTGTTAGCCGTGTGGCT" 
#> [5] ">seq5\\nATCTCCAGACTTTATAAATCTATCA" 
#> [6] ">seq6\\nGTGTGGTATTATCGTGATCTCCACG" 
#> [7] ">seq7\\nGAGCACAGACGCGCTAGAGAATTGA" 
#> [8] ">seq8\\nGTTTTACACGCATCAGTGGGTAAAG" 
#> [9] ">seq9\\nTGGCAGTGTCTCTCTAGCGTGATCT" 
#> [10] ">seq10\\nAGGCCATGGGTTGGGAGTTACTTAT" 

writeLines(res2)
#> >seq1
#> GACCGCCTTATAGCAGTTAGTGTAG
#> >seq2
#> GGAAGCGTCATTCGAACTATGCCGG
#> >seq3
#> AACAGTTCCGTCCACTTGGCCATTG
#> >seq4
#> TACCGCCTTTGTTAGCCGTGTGGCT
#> >seq5
#> ATCTCCAGACTTTATAAATCTATCA
#> >seq6
#> GTGTGGTATTATCGTGATCTCCACG
#> >seq7
#> GAGCACAGACGCGCTAGAGAATTGA
#> >seq8
#> GTTTTACACGCATCAGTGGGTAAAG
#> >seq9
#> TGGCAGTGTCTCTCTAGCGTGATCT
#> >seq10
#> AGGCCATGGGTTGGGAGTTACTTAT
identical(res,res2)
#> [1] TRUE

知識點四：

apply(X, MARGIN, FUN, …)其中X是數據框/矩陣名；MARGIN為1表示取行，為2表示取列，FUN是函數。強大的apply配上自定義函數，可以做很多事情。

判斷兩個變量是否完全相等，用identical(),不用 ==

3.後續

可以合併

如果你需要合成一整個字符串，那也簡單。

resl=paste(res,collapse = "\\n")
resl
# [1] ">seq1\\nCCTGTCTAGTCCGAGATATGGTAAG\\n>seq2\\nATGTGAAGGAACACGCATGAAAAAG\\n>seq3\\nAGGGCTATCCGGGGAAGAAATTAGC\\n>seq4\\nACGCTATATCGCAGCATGTCTCTAG\\n>seq5\\nATCAGCCACGTCACAACGGTGGCAT\\n>seq6\\nACTACTACTGCTAAAGTAGGCTGCT\\n>seq7\\nGGTTCCATTGTATGACATAACAAAC\\n>seq8\\nTGACAGAACGAAGTCATGATACCGA\\n>seq9\\nATTTGCCTGTGTCCTCGAGAGTAGT\\n>seq10\\nCTCTCAGCGACGGGCGGTGAAAGCT"
writeLines(resl)
#> >seq1
#> GACCGCCTTATAGCAGTTAGTGTAG
#> >seq2
#> GGAAGCGTCATTCGAACTATGCCGG
#> >seq3
#> AACAGTTCCGTCCACTTGGCCATTG
#> >seq4
#> TACCGCCTTTGTTAGCCGTGTGGCT
#> >seq5
#> ATCTCCAGACTTTATAAATCTATCA
#> >seq6
#> GTGTGGTATTATCGTGATCTCCACG
#> >seq7
#> GAGCACAGACGCGCTAGAGAATTGA
#> >seq8
#> GTTTTACACGCATCAGTGGGTAAAG
#> >seq9
#> TGGCAGTGTCTCTCTAGCGTGATCT
#> >seq10
#> AGGCCATGGGTTGGGAGTTACTTAT

還可以導出

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

知識點五：

字符串也可以導出的。想要讓導出的文件沒引號，就加quote = F,導出文件後綴可以改，改成fasta沒關係的，因為是純文本，後綴不改變本質，只是決定了這文件在window電腦上的默認打開方式而已。