[英]How can I extract sequences from a FASTA file for each of the intervals defined in a BED file using R?
如何使用R從FASTA文件中提取BED文件中定義的每個間隔的序列? 所使用的參考基因組是“雞雞”,可通過以下方法獲得:
source("http://bioconductor.org/biocLite.R")
biocLite("BSgenome.Ggallus.UCSC.galGal4")
library(BSgenome.Ggallus.UCSC.galGal4)
我的數據文件是gRanges軟件包的結果
library("GenomicRanges")
> olaps
GRanges object with 2141 ranges and 0 metadata columns:
seqnames ranges strand
<Rle> <IRanges> <Rle>
[1] chr14 [ 1665929, 1673673] *
[2] chr14 [ 2587465, 2595209] *
[3] chr14 [ 8143785, 8151529] *
[4] chr14 [ 9779705, 9787449] *
[5] chr14 [10281129, 10288873] *
... ... ... ...
[2137] chr24 [3280553, 3288297] *
[2138] chr24 [3330889, 3338633] *
[2139] chr24 [3005641, 3015321] *
[2140] chr24 [3319273, 3327017] *
[2141] chr24 [5549545, 5557289] *
-------
seqinfo: 31 sequences from an unspecified genome; no seqlengths
我可以在data.table中進行轉換
olaps<- as.data.table(olaps)
使用示例:
olaps<-"seqnames start end width strand
chr1 1665929 1673673 7745 *
chr1 2587465 2595209 7745 *
chr1 8143785 8151529 7745 *
chr2 9779705 9787449 7745 *
chr2 10281129 10288873 7745 *"
olaps<-read.table(text=olaps,header=T)
預期結果:如下所示(fasta格式):
>SEQUENCE_1
ACTGACTAGCATCGCAT...
>SEQUENCE_2
ACGTAGAGAGGGACATA...
>SEQUENCE_3...
到目前為止,我一直嘗試使用此軟件包失敗:
source("http://bioconductor.org/biocLite.R")
biocLite("rtracklayer")
這,應該解決您的把戲:
第一:
seq = BSgenome::getSeq(BSgenome.Ggallus.UCSC.galGal4, olaps)
為序列添加名稱:
names(seq) = paste0("SEQUENCE_", seq_along(seq))
要從您的序列中生成“ .fasta”:
Biostrings::writeXStringSet(seq, "my.fasta")
之前提供了更多詳細信息:
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.