gene.fa去重复

使用序列进行同源比对时需先根据gene.fa创建参考库
有时提取的gene.fa中基因名有重复会报错
BLAST Database creation error: Error: Duplicate seq_ids are found（不识别基因大小写）

解决办法R ：
library(Biostrings)
sequences <- readDNAStringSet("dre_gene.fa")

sequences@ranges@NAMES <- toupper(sequences@ranges@NAMES)###此处为都转为大写基因，按需使用

unique_names=unique(sequences@ranges@NAMES )

提取unique信息

unique_sequences <- sequences[unique_names]

保存新文件

writeXStringSet(unique_sequences, "gene_unique.fa")

新文件即可用makeblastdb软件构建参考库

linux命令：
makeblastdb -in gene_unique.fa -dbtype nucl -parse_seqids -out Anno_ref_dre

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容