如何在R Studio中导入FASTA格式氨基酸序列至DataFrame？

可以用以下两个常用的R包实现需求，均能自动处理FASTA文件中的空行，并将序列拼接为单行：

1. seqinr包（轻量易用，适合快速处理） #

这是专门针对生物序列处理的轻量级工具包，操作简单：

首先安装并加载包：

install.packages("seqinr")
library(seqinr)

读取目标FASTA文件并转换为DataFrame：

# 读取文件，seqtype指定为氨基酸序列（"AA"），as.string=TRUE确保序列以字符串形式存储
fasta_data <- read.fasta(file = "你的文件路径/sequences.txt", seqtype = "AA", as.string = TRUE)

# 提取名称和拼接后的序列，生成DataFrame
result_df <- data.frame(
  Name = names(fasta_data),
  Sequence = sapply(fasta_data, function(x) paste(x, collapse = "")),
  stringsAsFactors = FALSE
)

2. Biostrings包（功能全面，适合后续生物信息分析） #

如果需要后续进行序列比对、motif分析等更复杂的操作，推荐使用Bioconductor生态下的Biostrings包：

首先安装并加载包：

# 安装BiocManager（若未安装）
if (!require("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
# 安装Biostrings
BiocManager::install("Biostrings")
library(Biostrings)

读取并转换为目标DataFrame：

# 读取氨基酸FASTA文件，自动忽略空行
aa_sequences <- readAAStringSet("你的文件路径/sequences.txt")

# 转换为DataFrame格式
result_df <- data.frame(
  Name = names(aa_sequences),
  Sequence = as.character(aa_sequences),
  stringsAsFactors = FALSE
)

两种方法最终生成的result_df都符合你需要的结构：名称列对应FASTA的标题行，序列列是拼接后的完整氨基酸序列。

内容的提问来源于stack exchange，提问作者Marta López