如何批量将SEQ文件转换为FASTA格式并以文件名作为序列ID？

原代码失败的核心问题在于用read.table读取纯序列文件——这个函数是为表格数据设计的，会自动按分隔符解析内容，把核酸序列误判为表格字段，后续的rbind和write.table操作又会因为类型不匹配导致输出异常。

下面是修正后的R代码，专门针对纯文本序列文件处理：

# 列出所有SEQ文件（忽略大小写匹配）
seq_files <- list.files(pattern = "\\.seq$", ignore.case = TRUE)

# 批量处理每个文件
for (file in seq_files) {
  # 读取整个文件的所有行，完整保留序列的换行结构
  sequence <- readLines(file)
  # 生成FASTA的ID：用文件名，自动去掉.seq后缀
  fasta_id <- paste0(">", tools::file_path_sans_ext(file))
  # 组合FASTA内容：ID行 + 原始序列行
  fasta_content <- c(fasta_id, sequence)
  # 写入新的FASTA文件，文件名和原文件一致，后缀改为.fa
  writeLines(fasta_content, con = paste0(tools::file_path_sans_ext(file), ".fa"))
}

关键改进点： #

• 用readLines替代read.table：直接读取文件的每一行，完全保留原始序列格式，不会错误解析成表格结构。
• 自动移除文件名后缀：通过tools::file_path_sans_ext把sample.seq这类文件名转为>sample，符合FASTA格式的ID规范。
• 用writeLines写入内容：比write.table更适配纯文本场景，避免额外的格式干扰。

测试建议： #

先拿单个SEQ文件验证逻辑：

test_file <- "test_seq.seq"
seq_content <- readLines(test_file)
fasta_result <- c(paste0(">", tools::file_path_sans_ext(test_file)), seq_content)
writeLines(fasta_result, "test_output.fa")

打开输出的FASTA文件确认格式正确后，再运行批量处理代码。

内容的提问来源于stack exchange，提问作者Tyler Ruddenfort