如何编写R函数实现提示输入.fasta文件名并完成文件读取？

原代码问题点 #

• 函数未定义名称，无法直接调用
• 输入参数DNAseq无实际作用，和函数内部通过readline获取文件名的逻辑冲突
• read.table为结构化表格专用读取函数，无法解析fasta格式的序列文件，会出现格式报错
• 函数未设置返回值，读取到的内容无法传递到函数外部使用

修复后可运行代码 #

方案1：使用生物序列专用包Biostrings（推荐） #

该方案是生物信息领域读取fasta文件的标准实现，支持后续直接做序列统计、比对等操作

# 首次使用需先安装依赖包，运行以下代码即可：
# if (!require("BiocManager", quietly = TRUE)) install.packages("BiocManager")
# BiocManager::install("Biostrings")

read_fasta_interactive <- function() {
  # 提示用户输入fasta文件名
  fasta_file <- readline(prompt = "请输入当前目录下的.fasta文件名：")
  # 校验文件是否存在
  if (!file.exists(fasta_file)) {
    stop("未找到指定文件，请检查文件名拼写及路径是否正确")
  }
  # 读取fasta文件
  fasta_result <- Biostrings::readDNAStringSet(fasta_file)
  # 返回读取结果
  return(fasta_result)
}

# 调用函数，输入文件名后结果会赋值给my_fasta变量
my_fasta <- read_fasta_interactive()

方案2：基础R实现（无需安装额外包） #

适合不想安装依赖包的场景，读取结果为序列名对应序列的命名向量

read_fasta_interactive_baseR <- function() {
  fasta_file <- readline(prompt = "请输入当前目录下的.fasta文件名：")
  if (!file.exists(fasta_file)) {
    stop("未找到指定文件，请检查文件名拼写及路径是否正确")
  }
  # 逐行读取文件
  raw_lines <- readLines(fasta_file)
  # 定位所有序列头行
  header_pos <- grep("^>", raw_lines)
  seq_num <- length(header_pos)
  seq_names <- sub("^>", "", raw_lines[header_pos])
  seqs <- character(seq_num)
  
  # 解析每条序列
  for (i in seq_len(seq_num)) {
    start_line <- header_pos[i] + 1
    end_line <- ifelse(i == seq_num, length(raw_lines), header_pos[i+1] - 1)
    seqs[i] <- paste0(raw_lines[start_line:end_line], collapse = "")
  }
  
  fasta_result <- setNames(seqs, seq_names)
  return(fasta_result)
}

# 调用函数
my_fasta <- read_fasta_interactive_baseR()

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