以fasta为例，刷一波R语言小技巧

1.生成一组示例序列

先生成一条序列,并且把生成序列的代码写成个函数，函数的输入数据是序列的长度：

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

然后生成一组示例数据，例子是10个序列，每个长度25：

知识点一：用sample和paste0生成随机字符串
paste0和sample都是基础函数，但是用处很大，sample表示抽样，加上replace = TRUE就是有放回的抽样，paste0则表示将结果无缝连接起来，这不就成了个序列嘛~

知识点二：
用数据结构（例如向量/列表）储存for循环多次产生的结果，这些结果成为向量/列表里的元素。

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"

如果你有真实的序列，直接用readLines()读进来，as.character()变成字符串就好。

2.把序列成fasta格式

最简单的fasta格式是第一行大于号加序列名称，第二行是序列。

把字符串序列变成fasta格式，可以这样

方法一

x1 = paste0("seq",1:10)
res <- paste0(">",x1,"n",y)
res
#>  [1] ">seq1nGACCGCCTTATAGCAGTTAGTGTAG" 
#>  [2] ">seq2nGGAAGCGTCATTCGAACTATGCCGG" 
#>  [3] ">seq3nAACAGTTCCGTCCACTTGGCCATTG" 
#>  [4] ">seq4nTACCGCCTTTGTTAGCCGTGTGGCT" 
#>  [5] ">seq5nATCTCCAGACTTTATAAATCTATCA" 
#>  [6] ">seq6nGTGTGGTATTATCGTGATCTCCACG" 
#>  [7] ">seq7nGAGCACAGACGCGCTAGAGAATTGA" 
#>  [8] ">seq8nGTTTTACACGCATCAGTGGGTAAAG" 
#>  [9] ">seq9nTGGCAGTGTCTCTCTAGCGTGATCT" 
#> [10] ">seq10nAGGCCATGGGTTGGGAGTTACTTAT"
writeLines(res)
#> >seq1
#> GACCGCCTTATAGCAGTTAGTGTAG
#> >seq2
#> GGAAGCGTCATTCGAACTATGCCGG
#> >seq3
#> AACAGTTCCGTCCACTTGGCCATTG
#> >seq4
#> TACCGCCTTTGTTAGCCGTGTGGCT
#> >seq5
#> ATCTCCAGACTTTATAAATCTATCA
#> >seq6
#> GTGTGGTATTATCGTGATCTCCACG
#> >seq7
#> GAGCACAGACGCGCTAGAGAATTGA
#> >seq8
#> GTTTTACACGCATCAGTGGGTAAAG
#> >seq9
#> TGGCAGTGTCTCTCTAGCGTGATCT
#> >seq10
#> AGGCCATGGGTTGGGAGTTACTTAT

知识点三：
writeLines可以将字符串中的特殊符号”n”,”t”等显示出来成为它本来的样子。

方法二

（其实写这一篇只是为了举个例子说说apply（），结果跑偏了。）

df <- data.frame(V1=paste0("seq",1:10),V2=y)

res2 = apply(df,1,function(x){
  paste0(">",x[1],"n",x[2])
})

res2
#>  [1] ">seq1nGACCGCCTTATAGCAGTTAGTGTAG" 
#>  [2] ">seq2nGGAAGCGTCATTCGAACTATGCCGG" 
#>  [3] ">seq3nAACAGTTCCGTCCACTTGGCCATTG" 
#>  [4] ">seq4nTACCGCCTTTGTTAGCCGTGTGGCT" 
#>  [5] ">seq5nATCTCCAGACTTTATAAATCTATCA" 
#>  [6] ">seq6nGTGTGGTATTATCGTGATCTCCACG" 
#>  [7] ">seq7nGAGCACAGACGCGCTAGAGAATTGA" 
#>  [8] ">seq8nGTTTTACACGCATCAGTGGGTAAAG" 
#>  [9] ">seq9nTGGCAGTGTCTCTCTAGCGTGATCT" 
#> [10] ">seq10nAGGCCATGGGTTGGGAGTTACTTAT"

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

知识点四：
apply(X, MARGIN, FUN, …)其中X是数据框/矩阵名；MARGIN为1表示取行，为2表示取列，FUN是函数。强大的apply配上自定义函数，可以做很多事情。
判断两个变量是否完全相等，用identical(),不用 ==

3.后续

可以合并

如果你需要合成一整个字符串，那也简单。

resl=paste(res,collapse = "n")
resl
# [1] ">seq1nCCTGTCTAGTCCGAGATATGGTAAGn>seq2nATGTGAAGGAACACGCATGAAAAAGn>seq3nAGGGCTATCCGGGGAAGAAATTAGCn>seq4nACGCTATATCGCAGCATGTCTCTAGn>seq5nATCAGCCACGTCACAACGGTGGCATn>seq6nACTACTACTGCTAAAGTAGGCTGCTn>seq7nGGTTCCATTGTATGACATAACAAACn>seq8nTGACAGAACGAAGTCATGATACCGAn>seq9nATTTGCCTGTGTCCTCGAGAGTAGTn>seq10nCTCTCAGCGACGGGCGGTGAAAGCT"

writeLines(resl)
#> >seq1
#> GACCGCCTTATAGCAGTTAGTGTAG
#> >seq2
#> GGAAGCGTCATTCGAACTATGCCGG
#> >seq3
#> AACAGTTCCGTCCACTTGGCCATTG
#> >seq4
#> TACCGCCTTTGTTAGCCGTGTGGCT
#> >seq5
#> ATCTCCAGACTTTATAAATCTATCA
#> >seq6
#> GTGTGGTATTATCGTGATCTCCACG
#> >seq7
#> GAGCACAGACGCGCTAGAGAATTGA
#> >seq8
#> GTTTTACACGCATCAGTGGGTAAAG
#> >seq9
#> TGGCAGTGTCTCTCTAGCGTGATCT
#> >seq10
#> AGGCCATGGGTTGGGAGTTACTTAT

还可以导出

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

知识点五：
字符串也可以导出的。想要让导出的文件没引号，就加quote = F,导出文件后缀可以改，改成fasta没关系的，因为是纯文本，后缀不改变本质，只是决定了这文件在window电脑上的默认打开方式而已。

向大家隆重推荐隔壁生信技能树的一系列干货！

全国巡讲第13站-杭州（生信技能树爆款入门课）(下一站甘肃兰州)

全球公益巡讲、招学徒

B站公益74小时生信工程师教学视频合辑