如何構建fasta文件及其index索引文件

需要準備的文件是序列信息bed格式文件或者GRanges格式文件

比如有一個bed文件:

$ cat test.bed
chr1    1000010 1000020
chr2    1000021 1000030
chr3    1000031 1000040

我習慣保存為GR格式:

> test = read.table("test.bed")
> gr = toGR(test)
> gr
GRanges object with 3 ranges and 0 metadata columns:
      seqnames          ranges strand
         <Rle>       <IRanges>  <Rle>
  [1]     chr1 1000010-1000020      *
  [2]     chr2 1000021-1000030      *
  [3]     chr3 1000031-1000040      *
  -------
  seqinfo: 3 sequences from an unspecified genome; no seqlengths

toGR是我自己編寫的函數,這里就不放出來了。此外還編寫了另外兩個函數,分別為:

  • getSeq,用于得到堿基序列
getSeq <- function(POSs){
    
    suppressPackageStartupMessages(library(BSgenome.Hsapiens.UCSC.hg19))
    seqs = c()
    for(i in 1:length(POSs)){
        POS = POSs[i]
        chr = sapply(strsplit(POS, "[-:]"), function(z) z[1])
        strat = as.numeric(sapply(strsplit(POS, "[-:]"), function(z) z[2]))
        end = as.numeric(sapply(strsplit(POS, "[-:]"), function(z) z[3]))
        seqs = c(seqs, as.character(BSgenome.Hsapiens.UCSC.hg19[[chr]][strat:end]))
    }
    return(unlist(seqs))
}
  • printSeq,用于打印堿基序列
printSeq <- function(Seq, binwidth = 50){
   N_line = nchar(Seq) / binwidth 
   if(N_line > as.integer(N_line)){
       N =  as.integer(N_line) + 1
   } else{
       N =  as.integer(N_line)
   }

   bases = strsplit(Seq, "")[[1]]
   for(i in 0:(N-1)){
       xseq = paste0(bases[(1 + binwidth*i):(binwidth + i*binwidth)], collapse = "") 
       if(i != (N-1)){
           xseq = paste0(bases[(1 + binwidth*i):(binwidth + i*binwidth)], collapse = "") 
       } else{
           xseq = paste0(bases[(1 + binwidth*i):length(bases)], collapse = "") 
       }
       cat(xseq, "\n")
   }
}

默認在fasta中每行顯示50個堿基

然后使用前面的GR數據生成fasta文件:

> seqs = getSeq(as.character(gr))
> seqs
[1] "CTCACCCAGGA" "AAATTGAAGA"  "AGAAGGAAAC"
> ID = as.character(seqnames(gr))
> ID
[1] "chr1" "chr2" "chr3"
sink("test.fa")
for(i in 1:length(seqs)){
    cat(paste0(">", ID[i]), "\n")
    printSeq(seqs[i])
}
system("sed 's/ //g' test.fa > tmp.fa")
system("rm test.fa")
system("mv tmp.fa test.fa")
sink()

這樣就生成了fasta文件了:

$ cat test.fa 
>chr1
CTCACCCAGGA
>chr2
AAATTGAAGA
>chr3
AGAAGGAAAC

最后還需要創建索引:

system("samtools faidx test.fa")

這樣就完成了~


好家伙,samtools有提取序列的功能,還能指定每行的堿基數,位點格式為:chr:start-end,例如

$ samtools faidx hg19.fa chr1:2066354-2066580
>chr1:2066354-2066580
AGGCAGGGGACAGACGGACCCGGCCTGCGTTGGCCTGGGGTGACTTCACGGCTCCACTGT
CAGCAAGCGGCCGTCCCGTGGTGGATCCTGTCCGCCCTGCGAGGACACCTGGCTCCATCC
ACACCTGGGCCTCTGTCTCCAGCCGCCGAGGCCGTGACACCATGAGGATCATGTGAGGAG
GGGCAGAGAGAGGCCTCCGGGAGGCCGTCATTCCAGCCCTGCCTTCC

還能將想要提取的區域寫入文件中,并傳遞給-r參數。每個區域單獨一行

區域的格式剛好是Granges對象非常容易生成的格式,所以可以寫個GR轉fasta的小函數:

grToFasta <- function(gr, file){

    hg19.fa = "hg19.fa"
    pos = as.character(gr)
    write.table(pos, "tmp.pos", sep = "\n", quote = FALSE, col.names = FALSE, row.names = FALSE)
    system(paste("samtools faidx -n 50", hg19.fa, "-r tmp.pos >", file))
    system(paste("rm tmp.pos & samtools faidx", file))
}

我直接好家伙,還是調包香~

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,786評論 6 534
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,656評論 3 419
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,697評論 0 379
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,098評論 1 314
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,855評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,254評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,322評論 3 442
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,473評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,014評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,833評論 3 355
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,016評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,568評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,273評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,680評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,946評論 1 288
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,730評論 3 393
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,006評論 2 374