Question

我需要提取枯草芽孢杆菌的基因间序列。

我在R中用B.subtilis完整的DNA序列，用seqinr进口。我使用seqinr包的函数read.fasta将dna序列导入R中;

然后我使用“genbankr”包从枯草芽孢杆菌genbank文件中创建了一个GRanges对象来提取基因间坐标。

这是我的GRanges对象的格式，具有基因间坐标：

GRanges object with 3841 ranges and 1 metadata column:
  seqnames             ranges strand |             intergenic_id
     <Rle>          <IRanges>  <Rle> |               <character>
  168      168       [   1,  409]      * | intergenic_SEQ-BEGIN_dnaA
  168      168       [1751, 1938]      * |      intergenic_dnaA_dnaN
  168      168       [3076, 3205]      * |      intergenic_dnaN_yaaA
  168      168       [3422, 3436]      * |      intergenic_yaaA_recF
  168      168       [4550, 4566]      * |      intergenic_recF_yaaB
  ...      ...                ...    ... .                       ...

因此在R中我有： “x”（用seqinr导入的完整DNA序列）和“intergenic”（带坐标的GRanges对象）

我看到有人在这个论坛上提出类似的问题，我试图通过使用各种软件包来解决这些问题，但我无法弄明白。我希望有一个简单的解决方案;任何帮助表示赞赏。

我想要的输出是用以下格式产生具有基因间序列的fasta文件：

>intergenic_SEQ-BEGIN_dnaA
ATATATATATTATTTATTTTTTTTTTTTATTATAT
>intergenic_dnaA_dnaN
ATATATCGCGTCGATCTAGACTCAGGCATG
etc.

基本上是从我的GRanges对象的intergenic_id名称列中获取的基因间序列名称的行，后面是使用GRanges中坐标从fasta中提取的序列。

注意：在所需的输出中，我只输入了一些随机序列，就像示例一样。

Answer 1

我也认为BSGenome是最好的方式（你可以建立你的BSgenome），但你也可以用seqinr创建你自己的函数：

require('seqinr')
require('GenomicRanges')

# Create objects
mygenome <- read.fasta('sequence.fasta')[[1]] # I assume it is just one chromosome
mygrs <- GRanges(seqnames=rep('NC_000964',3),
                 ranges=IRanges(c(1,50,100),c(20,55,103)),
                  strand=c('*','*','*'))
mcols(mygrs)$Gene <- c('GenA','GenB','GenC')
mygrs
# GRanges object with 3 ranges and 1 metadata column:
#   seqnames     ranges strand |        Gene
# <Rle>  <IRanges>  <Rle> | <character>
#   [1] NC_000964 [  1,  20]      * |        GenA
# [2] NC_000964 [ 50,  55]      * |        GenB

# Function to subset the seqinr list
 extractSeq <- function(x) {
    if (as.character(strand(x)) == '-') {
      comp(mygenome[end(x):start(x)])
    } else {
      mygenome[start(x):end(x)]
    }
  }    

# Ex
  extractSeq(mygrs[1])
  #  [1] "a" "t" "c" "t" "t" "t" "t" "t" "c" "g" "g" "c" "t" "t" "t" "t" "t" "t" "t" "a"    

# Apply to all
  myseqs <- lapply(mygrs, extractSeq)

# write to a file
  write.fasta(myseqs, mcols(mygrs)$Gene, 'myfile.fa')

使用GRanges对象上的坐标从FASTA文件中提取序列片段

1 个答案: