如何从 seqinr SeqFastadna 对象转换为 Biostrings DNAStringSet 以在 R 中进行多序列比对

Question

我正在处理 fasta 文件中的 DNA 序列数据，并且必须仅在 R 中为该项目工作。 我使用seqinr包进行了一些操作（选择序列的子集，更改 fasta 标头等）。 对于分析的下一阶段，我想进行多序列比对，并使用了msa R 包。 如果我导入一个 fasta 文件，我可以让msa工作，但是我很难在 R 中直接从seqinr列表对象移动到我用作msa输入的 Biostrings DNAStringSet 对象。

示例数据 - 假设 fasta_file.fasta 是一个内容如下的 fasta 文件：

>seq1
ATATATAT
>seq2
CGCGCGCG
>seq3
ATATCGCG
>seq4
ATATATAT

我使用的代码是：

# Load packages
library(tidyverse)
library(seqinr)
library(msa)
library(adegenet)
library(bios2mds)
library(ape)
library(ggtree)

# Import sequences (using seqinr)
sequences <- read.fasta("fasta_file.fasta")

# Define sequences for selection
seqs_select <- c("seq1", "seq2", "seq3")

# Select chosen sequences
seq_sub <- sequences[names(sequences) %in% seqs_select]

# Check the number of sequences left
length(sequences) # 4 original
length(seq_sub) # 3 after selection

# Run multiple sequence alignment using msa
seq_alignment <- msa(seq_sub, method="ClustalOmega") # Generates an error message because seq_sub is the wrong input

如果我立即将 fasta 文件作为 Biostrings DNAstringset 对象导入，则msa有效：

# Import fasta file directly as Biostrings object
seq_dnastring <- readDNAStringSet("fasta_file.fasta") 
seq_alignment <- msa(seq_dnastring, method="ClustalOmega")

我可以保存使用 seqinr 制作的处理过的 fasta 文件，然后使用 readDNAStringSet 重新加载它，但我的问题是是否有办法直接从 seq_sub 转换为msa可以用作输入来运行对齐的内容。 IE。 将 seq_sub 格式转换为 seq_dnastring 格式。 谢谢您的帮助。

Answer 1

另一种选择是在 Biostrings 中处理您的序列，而不是 seqinr。 尽管如此，我认为这可以解决问题

library(Biostrings)
library(seqinr)
FUN = function(x)
    paste(getSequence(x), collapse = "")
as(vapply(sequences, FUN, character(1)), "DNAStringSet")