如何使用R语言批量将TXT格式DNA序列文件转换为Fasta格式

操作流程 #

• 先将所有待转换的TXT序列文件放到同一个文件夹内，避免混入其他无关TXT文件
• 运行以下R代码，替换代码里的工作目录路径为你自己的文件夹路径即可

批量转换代码（每个TXT对应生成单独FASTA文件） #

# 1. 设置工作目录为存放TXT序列文件的文件夹路径
setwd("替换为你的文件夹实际路径，比如C:/dna_seq/ 或者 /home/user/dna_seq/")

# 2. 读取文件夹内所有后缀为.txt的文件列表
txt_file_list <- list.files(pattern = "\\.txt$", full.names = FALSE)

# 3. 循环处理每个文件
for (single_txt in txt_file_list) {
  # 读取文件全部内容，关闭冗余警告
  raw_text <- readLines(single_txt, warn = FALSE)
  # 清除空行、空格、换行符等冗余内容，拼接为完整DNA序列
  dna_seq <- gsub("\\s+", "", paste(raw_text, collapse = ""))
  # 提取去掉.txt后缀的文件名作为FASTA序列ID
  seq_name <- sub("\\.txt$", "", single_txt)
  # 按FASTA格式拼接内容：第一行>加序列名，第二行是完整序列
  fasta_text <- c(paste0(">", seq_name), dna_seq)
  # 写出为同名.fa格式文件
  writeLines(fasta_text, con = paste0(seq_name, ".fa"))
}

可选：合并所有序列到单个FASTA文件 #

如果不需要拆分单独文件，要把所有序列整合到一个FASTA文件里，用以下代码替换上述循环部分即可：

all_fasta_content <- c()
for (single_txt in txt_file_list) {
  raw_text <- readLines(single_txt, warn = FALSE)
  dna_seq <- gsub("\\s+", "", paste(raw_text, collapse = ""))
  seq_name <- sub("\\.txt$", "", single_txt)
  all_fasta_content <- c(all_fasta_content, paste0(">", seq_name), dna_seq)
}
# 写出为总FASTA文件
writeLines(all_fasta_content, con = "all_sequences.fasta")

说明 #

• 代码自动兼容TXT文件内序列存在换行、空行、多余空格的情况，会自动清理后拼接为标准连续序列
• 该方法不依赖系统命令，在Windows、macOS、Linux系统的R环境下均可正常运行，不存在cat命令的系统兼容性问题

内容的提问来源于stack exchange，提问作者user15708301