在R中将制表符与换行符分隔的字符向量列表res转换为dataframe

实现思路 #

你的res是BLASTP输出的原始文本列表，我们需要先过滤空值、拆分文本行，再提取查询序列（Query）信息、拆分制表符分隔的比对结果字段，最终合并为结构化表格。

基于tidyverse的实现（推荐，代码简洁） #

首先加载依赖包：

library(tidyverse)

执行转换代码：

# 预处理：过滤空元素并拆分每一行文本
raw_lines <- res %>%
  discard(~.x == "") %>% # 移除列表中的空字符串元素
  str_split("\n") %>% # 按换行符拆分单条长文本为多行
  unlist() %>%
  discard(~.x == "") # 移除拆分后产生的空行

# 转换为dataframe
blast_result <- tibble(line = raw_lines) %>%
  # 提取Query完整名称，空缺值向下填充
  mutate(
    query = str_match(line, "^# Query: (.*?) OS=")[,2], # 可根据需求调整Query的提取范围
    is_comment = str_starts(line, "#"),
    is_hit_line = !is_comment
  ) %>%
  fill(query, .direction = "down") %>%
  # 仅保留比对结果行，过滤注释行
  filter(is_hit_line) %>%
  # 按制表符拆分4个比对字段，自动转换为数值格式
  separate(
    col = line,
    into = c("subject_id", "evalue", "query_coverage_pct", "identity_pct"),
    sep = "\t",
    convert = TRUE
  ) %>%
  # 移除辅助计算列
  select(-is_comment, -is_hit_line)

输出说明 #

最终得到的blast_result就是符合要求的dataframe，包含5个字段：

• query：比对的查询序列名称
• subject_id：比对到的参考序列ID
• evalue：比对E值
• query_coverage_pct：查询序列覆盖度（%）
• identity_pct：序列一致性（%）

内容的提问来源于stack exchange，提问作者accibio