使用GGMSA进行多序列比对时仅对齐2/5条序列的技术求助

我是新手，尝试用ggmsa做短序列的多序列比对，但遇到问题。更新后的代码没有警告，但5条序列里只有2条能成功对齐。以下是我原本的代码：

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)
names (galanin_vector) <- names (galanin_list)
galanin_vector_ss <- Biostrings::AAStringSet(galanin_vector)
galanin_msa <- msa(galanin_vector_ss)
class(galanin_msa) <- "AAMultipleAlignment"

ggmsa(galanin_msa)

问题原因 #

代码里的序列提取步骤出错了：你把数据框转成列表再转向量，实际上是把Sequences列和Species列当成了两个独立元素传给了AAStringSet，相当于只处理了两个"序列"，自然只有两条能对齐。

修正后的代码 #

# 原始序列与名称向量
galanin_table <- c("MACSKHLVLFLTILLSLAETPDSAPAHRGRGGWTLNSAGYLLGPVLHLSSKANQGRKTDSALEILDLWKAIDGLPYSRSPRMTKRSMGETFVKPRTGDLRIVDKNVPDEEATLNL", "Rat", "MHRCVGGVCVSLIVCAFLTETLGMVIAAKEKRGWTLNSAGYLLGPRRIDHLIQIKDTPSARGREDLLGQYAIDSHRSLSDKHGLAGKREMPLDEDFKTGALRIADEDVVHTIIDFLSYLKLKEIGALDSLPSSLTSEEISQP", "Zebrafish", "MQRSFAVFCVSLIFCATLSETIGLVIAAKEKRGWTLNSAGYLLGPRRIDHLIQIKDSPSARGRDELVNQYGIDGHRTLGDKAGLAGKRDMAQEDDVRTGPLRIGDEDIIHTVIDFLSYLKLKEMGALDSLPSPLTSDELANP", "Pupfish", "GWTLNSAGYLLGPPPGFSPFR","M35", "WTLNSAGYLLGPEHPPPALALA","M871")

# 转换为数据框（这部分保留即可）
galanin_matrix <- matrix(galanin_table, byrow=T, nrow=5)
galanin_df <- as.data.frame(galanin_matrix, stringsAsFactors = F)
colnames(galanin_df) <- c("Sequences", "Species")

# 正确提取每条序列并设置名称
galanin_seqs <- Biostrings::AAStringSet(galanin_df$Sequences)
names(galanin_seqs) <- galanin_df$Species

# 执行多序列比对
galanin_msa <- msa(galanin_seqs)

# 用ggmsa可视化比对结果
ggmsa(galanin_msa)

说明 #

修正后直接从数据框中提取Sequences列创建AAStringSet，并为每条序列绑定对应的物种/编号名称，这样msa就能处理全部5条序列，ggmsa也能正常显示所有比对结果。

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