在R中的Biostrings包上打开fas格式文件

Question

我正在尝试使用“ Biostrings”软件包处理fas扩展文件。 我尝试了多种不同的方式，用尽了Google搜索的技巧，但在不同的Web /博客/视频教程上却没有取得很大的成功。

请考虑以下文件路径：“ /mydesktop/DNAfile.fas”

我已经成功安装了Biostrings软件包和XVector。

library(Biostrings)
library(Vector)

然后我写了以下几行：

fas1 <- system.file("extdata", "/mydesktop/DNAfile.fas", package="Biostrings")

dna <- readDNAStringSet(fas1)

但是，这会产生如下错误：

Error in .Call2("new_input_filexp", filepath, PACKAGE = "XVector") : cannot open file ''

有人可以指导我吗？ 有人在其他博客上建议其他用户他应该考虑将fas更改为FASTA，但是这将如何改变工作流程？

谢谢！

Answer 1

我大概找到了答案。 不确定我是否可以回答自己的问题。 首先，@ Maurits和@Poshi的评论都是正确的。 我再次感谢他们。 这可能是他们上面明智提到的更长的版本，但是下面是我的思考过程。 这是针对其他初学者的，他们可能会陷入与我经历的同样的误解，以节省他们的时间和精力。

首先 ，如果文件创建者不打算故意放一个不同的扩展名来欺骗用户，则fas（或fasta，fa）文件本质上是相同的。 知道它是否真正基于相同格式的一种方法是，只需在任何ASCII文本编辑器或等效环境中打开它们，然后浏览前几行。 但是，请注意，如果文件太大，它将占用您的RAM，并使您的计算机不舒服。

其次 ，我检查了文件是否确实包含定义行以及序列。 我知道这是一种钝器（可能并不完全准确），但是即使在我进入ASCII级别之前，我也使用以下代码在R上打开了它：

g <- gzcon(file("/MyDesktop/Ecoli_Genome.fas", "r")) # set to your path
fas <- readLines(g) # read directly from .gz file
close(g) # close the file connection
head(fas) # lines of the FASTQ formatted file

在这里，您可以亲眼检查所有序列。 但是很显然，这不能使您兼容在此序列上使用Biostrings！

确保正确安装了Biostrings。 无法通过install.packages（“ Biostrings”）安装。 这是来源。

source("https://bioconductor.org/biocLite.R")

该网页是： https : //bioconductor.org/packages/release/bioc/html/Biostrings.html

第三 ，了解fas（或fasta）可以将所有序列存储在一行中。 它基本上是列表的一种复杂形式，并且您的序列可以以不同的方式存储，但是连续的碱基通常不需要分段存储。 所以我的序列全都在一行中！

因此，我的问题的解决方案是：

library(Biostrings)
dna <- readDNAStringSet("/MyDesktop/Ecoli_Genome.fas")

您可以通过以下方式进行确认：

> dna
  A DNAStringSet instance of length 1
      width seq                                                      names               
[1] 4641652 AGCTTTTCATTCTGACTGCAACGGGCA...AAAAAACGCCTTAGTAAGTATTTTTC U00096.3 

让我知道要学习的其他评论。 谢谢