mikesqc
2021年1月14日
工作中有时需要对“核酸序列”文件进行各种格式的转换。
最近由于工作需要，需将fasta文件转换成CSV文件格式。
做为一名R语言初学菜鸟，首选当然是网上找，可查遍一大圈儿，没能找到我需要的。哎，自己动手整试试吧，花了整整一个晚上的时间终于实现了转换，现将全部代码分享如下：
一、fasta文件转换成CSV文件格式
options(stringsAsFactors = F) #排除因子干扰
library(data.table)
library(readr)
library(Biostrings)
library(seqinr)
library(stringr) #不管它是干什么的，一股脑全加载了
freadfasta<- fread("abc.fasta",header = F) #这里用fread读取fasta文件，无表头
#class(freadfasta)
plat2=data.frame(genename=c(1),seqs=c(1)) #定义一个两列的数据框，随便放2个元素。
#遍历freadfast变量的各行，遇到“>”就把它加到下一行第一列，否则就past0到第二列中，同时实现了回车符的去除。
j=0
for(i in 1:length(freadfasta$V1)) {
if (str_detect(freadfasta$V1[i],">")) {
j=j+1
plat2[j,1]=freadfasta[i]
plat2[j,2]=''
}
else{
plat2[j,2]=paste0(plat2[j,2],freadfasta[i],sep='')
}
}
write.csv(plat2,file ='abc.csv')
用excel打开看看，完全正确，耶！
二、CSV文件转换成fasta文件格式
完成工作第一步后，又发现还需要再次将已加工好的CSV文件转换成fasta格式，这次终于网上查到了现成的R代码，感谢作者，也感谢网络给我们带来的便利（https://www.jianshu.com/p/0eba9712d7b2）。对该代码，稍做改动，保留了原有的基因名。
a <- read.csv("abc.csv",sep = ",",header = T)
b <- as.list(a$seqs)
c <- as.list(a$genename)
write.fasta(b, names=c, file="abc1.fasta", open='w', nbchar=80)
如果csv文件的基因名中有“/”，需要替换掉，否则该基因的名称会被截短为“/”后面的部分。保存fasta文件时会在基因名前加上“〉”，CSV的基因名建议先替换掉“〉”符号。
将新得到的fasta文件在Terminal下cat几行看看，嗯，完美！
这样就实现了fasta和CSV格式的相互转换，核酸和氨基酸的fasta均适用，有需求的朋友请收藏。
感谢本人第一位R语言老师----生信技能树的孙小洁女士的悉心指导！！
