计算给定段的核苷酸段的核苷酸频率

Question

我有一个下面给定格式的xyz.txt文件。

 AATGCC AAGAAA AAGGAA AAGGTA AAGCAG AAGCGA

我想要做的就是在R环境中上传它，我用这个命令做了：

library(Biostrings)

string <- read.table("/home/Folder/MY_FOLD/MYZ/mp.txt")

现在因为我试图通过这个命令获得四个核苷酸序列的频率：

st <- AAStringSet(string)    /this works fine in windows but not in linux/

错误是：

Error in (function (classes, fdef, mtable)  : 
unable to find an inherited method for function ‘XString’ for signature‘"data.frame"’

我无法弄清楚为什么会出现这个错误以及我哪里出错了？如何修复此错误以使这对代码在LINUX平台上运行？

Answer 1

如the documentation中所列，该函数需要一个字符向量。在read.table之后，你有一个数据帧。您可以尝试以下方法：

data = read.table("test.txt")
string <- apply( data , 1 , paste , collapse = " " )
st <- AAStringSet(string)

希望这有帮助！ 弗洛里安

Answer 2

您的数据转换为数据框：

original <- "AATGCC AAGAAA AAGGAA AAGGTA AAGCAG AAGCGA"
original <- as.data.frame(original)

我们假设这是一个单一的DNA序列，所以删除空格：

nospace <- df %>% mutate(original = gsub(" ", "", original))

您实际上需要一个DNAString-class ，这是一个特定于Biostrings包的特殊类：

d <- DNAString(nospace$original)

获得4-mer频率表：

fourmer <- oligonucleotideFrequency(d, 4, step=1)

head(fourmer)
AAAA AAAC AAAG AAAT AACA AACC 
   3    0    3    0    0    0