使用ggmsa进行MSA时Biostrings报错：seqtype方法匹配失败

问题场景 #

需要对大鼠（Rat）、斑马鱼（Zebrafish）、鳉鱼（Pupfish）3个物种的同一肽段，以及M35、M871两个合成肽段进行多序列比对（MSA），分析一致性与差异性，但运行代码时出现方法匹配错误。

原代码 #

library(ggmsa)
galanin_table <- c("MACSKHLVLFLTILLSLAETPDSAPAHRGRGGWTLNSAGYLLGPVLHLSSKANQGRKTDSALEILDLWKAIDGLPYSRSPRMTKRSMGETFVKPRTGDLRIVDKNVPDEEATLNL", "Rat", "MHRCVGGVCVSLIVCAFLTETLGMVIAAKEKRGWTLNSAGYLLGPRRIDHLIQIKDTPSARGREDLLGQYAIDSHRSLSDKHGLAGKREMPLDEDFKTGALRIADEDVVHTIIDFLSYLKLKEIGALDSLPSSLTSEEISQP", "Zebrafish", "MQRSFAVFCVSLIFCATLSETIGLVIAAKEKRGWTLNSAGYLLGPRRIDHLIQIKDSPSARGRDELVNQYGIDGHRTLGDKAGLAGKRDMAQEDDVRTGPLRIGDEDIIHTVIDFLSYLKLKEMGALDSLPSPLTSDELANP", "Pupfish", "GWTLNSAGYLLGPPPGFSPFR","M35", "WTLNSAGYLLGPEHPPPALALA","M871")

galanin_matrix <- matrix(galanin_table, byrow=T, nrow=5)
galanin_table <- as.data.frame(galanin_matrix, stringsAsFactors = F)
colnames(galanin_table) <- c("Sequences", "Species")
galanin_table <- as.data.frame(galanin_table)
galanin_list <- as.list(galanin_table)
galanin_asvector <- as.vector(galanin_list)
galanin_asvector_ss <- Biostrings::AAStringSet(x= galanin_asvector)

错误信息 #

Error in (function (classes, fdef, mtable)  :
unable to find an inherited method for function 'seqtype' for signature '"character"'

错误原因 #

输入向量构建逻辑错误：

• as.list(galanin_table)会将数据框拆分为两个列表元素（对应Sequences和Species列），转成向量后得到嵌套结构的字符向量组
• Biostrings::AAStringSet要求输入是单一的氨基酸序列字符向量，而非嵌套列表，因此触发方法匹配失败
• 原代码中重复执行as.data.frame(galanin_table)属于冗余操作，无实际作用

修正后的代码 #

library(ggmsa)
# 按"序列+名称"的顺序整理原始数据，确保每两个元素为一组
seq_data <- c(
  "MACSKHLVLFLTILLSLAETPDSAPAHRGRGGWTLNSAGYLLGPVLHLSSKANQGRKTDSALEILDLWKAIDGLPYSRSPRMTKRSMGETFVKPRTGDLRIVDKNVPDEEATLNL", "Rat",
  "MHRCVGGVCVSLIVCAFLTETLGMVIAAKEKRGWTLNSAGYLLGPRRIDHLIQIKDTPSARGREDLLGQYAIDSHRSLSDKHGLAGKREMPLDEDFKTGALRIADEDVVHTIIDFLSYLKLKEIGALDSLPSSLTSEEISQP", "Zebrafish",
  "MQRSFAVFCVSLIFCATLSETIGLVIAAKEKRGWTLNSAGYLLGPRRIDHLIQIKDSPSARGRDELVNQYGIDGHRTLGDKAGLAGKRDMAQEDDVRTGPLRIGDEDIIHTVIDFLSYLKLKEMGALDSLPSPLTSDELANP", "Pupfish",
  "GWTLNSAGYLLGPPPGFSPFR", "M35",
  "WTLNSAGYLLGPEHPPPALALA", "M871"
)

# 拆分出序列和对应的名称
sequences <- seq_data[seq(1, length(seq_data), by = 2)]
names(sequences) <- seq_data[seq(2, length(seq_data), by = 2)]

# 构建符合要求的AAStringSet对象
galanin_asvector_ss <- Biostrings::AAStringSet(x = sequences)

# 执行多序列比对并可视化
ggmsa(galanin_asvector_ss, font = "DroidSansMono", color = "Chemistry_NT")

修正说明 #

• 直接拆分原始向量为序列和名称两部分，避免冗余的数据框、列表转换操作
• 给序列向量设置名称，后续MSA可视化时会自动显示对应的物种/肽段标识
• 确保传入AAStringSet的是纯氨基酸序列的字符向量，完全匹配方法的参数要求

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