使用R生成fasta后执行makeblastdb提示文件不存在的解决咨询

终端提示homo_ref.faa不存在，核心原因是你的R代码存在运行错误，导致文件未成功生成。以下是具体问题和修改方案：

代码中的关键错误 #

• 未定义变量merged_3：最后一行write.fasta调用了names(merged_3)，但代码全程未创建merged_3对象，会直接触发R运行错误，终止流程，文件无法生成。
• write.fasta参数格式错误：seqinr包的write.fasta要求sequences传入序列的字符向量/列表，names传入对应序列的ID向量，你直接传入了整个data.frame，不符合函数要求。
• 重复加载包：已加载tidyverse（包含dplyr），无需再次调用library(dplyr)。

修改后的完整代码 #

library(seqinr)
library(Biostrings)
library(data.table)
library(tidyverse)

# 读取表格数据
homo_tab <- read.csv("proteins_homo.csv", header = TRUE, sep = ",")
homo_tab_1 <- homo_tab[, c(7, 9:11)]
colnames(homo_tab_1)[2] <- "ID"

# 筛选每个Locus的最长序列
son <- homo_tab_1 %>%
  group_by(Locus) %>%
  slice_max(Length, n = 1) %>%
  slice_head(n = 1)

# 读取蛋白质fasta并转换为数据表
human_prot <- read.fasta(file = "homo_s.faa", seqtype = "AA", as.string = TRUE, set.attributes = TRUE)
human_prot <- unlist(human_prot) %>%
  as.data.frame() %>%
  setDT(keep.rownames = "ID")
colnames(human_prot) <- c("ID", "seq")

# 合并数据并清理
merged <- merge(human_prot, son, by = "ID", all.x = TRUE)
merged_1 <- na.omit(merged)
merged_2 <- subset(merged_1, select = -c(3,4,5))

# 生成fasta文件（修正核心参数）
write.fasta(
  sequences = merged_2$seq,  # 传入序列列的字符向量
  names = merged_2$ID,       # 传入ID列的字符向量
  file.out = "homo_ref.faa"
)

额外验证建议 #

• 运行R代码后，可通过getwd()查看当前工作目录，确认homo_ref.faa是否生成。
• 终端执行makeblastdb时，确保终端工作目录与R工作目录一致，或直接使用文件绝对路径（如makeblastdb -in /your/path/homo_ref.faa -dbtype prot）。

数据来源：NCBI人类基因组页面

内容的提问来源于stack exchange，提问作者pentro gen