将gff文件格式更改为zff格式

Question

我有一个gff文件，如下所示，每一列按选项卡分开。

头(a，5)

      V1        V2   V3   V4   V5 V6 V7 V8
     gi|447604937|gb|AJJZ010637342.1| assembler gene 1059 1513  .  -  .
     gi|447604937|gb|AJJZ010637342.1| assembler mRNA 1059 1513  .  -  .
     gi|447604937|gb|AJJZ010637342.1| assembler exon 1059 1513  .  -  .
     gi|447604937|gb|AJJZ010637342.1| assembler mRNA 1059 1513  .  -  .
     gi|448181314|gb|AJJZ010120701.1| assembler gene 4700 8169  .  +  .
                                                                          V9
                                ID=PASA_cluster_9835;Name=PASA_cluster_9835
                     ID=align_id:87873|asmbl_10255;Parent=PASA_cluster_9835
     ID=exon:align_id:87873|asmbl_10255:1;Parent=align_id:87873|asmbl_10255
     ID=mRNA:align_id:87873|asmbl_10255:1;Parent=align_id:87873|asmbl_10255
                              ID=PASA_cluster_24371;Name=PASA_cluster_24371

我想将格式更改为

gi 447604937 Exon 5700 5043 Exon 5520 5691 Exon 6372 6578 Exon 7139 7398 Exon 8010 8169 >gi 44805666 Exon 7139 7398 Exon 8010222983.1 Exon 36 948

我对改变文件格式非常陌生，所以我应该如何解决这个问题。我不确定整形包能不能解决这个程序。如果可以的话，请给我举个例子。

谢谢你的建议

Answer 1

我对formats并不熟悉。如果有dput数据会更好。检查这是否有帮助：

 lines1 <- readLines(n=7)
 gi|447604937|gb|AJJZ010637342.1| assembler gene 1059 1513  .  -  .
 gi|447604937|gb|AJJZ010637342.1| assembler mRNA 1059 1513  .  -  .
 gi|447604937|gb|AJJZ010637342.1| assembler exon 1059 1513  .  -  .
 gi|447604937|gb|AJJZ010637342.1| assembler mRNA 1059 1513  .  -  .
 gi|448181314|gb|AJJZ010120701.1| assembler gene 4700 8169  .  +  .
 gi|448181314|gb|AJJZ010120701.1| assemble exon 4700 8169  .  -  . 
 gi|448181314|gb|AJJZ010120701.1| assemble exon 5520 5691  .  -  . 

 lines2 <- grep("exon", lines1,value=T)
 library(stringr)
 v1 <- paste0(">",str_trim(str_extract(lines2, perl('.* (?=assembl)'))))
 v2 <- paste("Exon", str_extract(lines2, perl('(?<=exon )\\d+\\s+\\d+')))
 lapply(split(v2,v1), function(x) read.table(text=x, sep="",stringsAsFactors=F))
 #$`>gi|447604937|gb|AJJZ010637342.1|`
 #   V1   V2   V3
 #1 Exon 1059 1513

 #$`>gi|448181314|gb|AJJZ010120701.1|`
 #   V1   V2   V3
#1 Exon 4700 8169
#2 Exon 5520 5691

或者，如果你像这样需要它

 lst1 <- split(v2,v1)
 lines2 <- unlist(Map(`c`, names(lst1), lst1), use.names=F)
 cat(paste(lines2, collapse="\n"), "\n")
 # >gi|447604937|gb|AJJZ010637342.1|
 #Exon 1059 1513
 #>gi|448181314|gb|AJJZ010120701.1|
 #Exon 4700 8169
 #Exon 5520 5691 

您可以使用lines2将write.table写入文件

解释

• 在查找字符串.*之前提取所有内容，包括空格(?=assembl)。

• 对于第二种情况，我们寻找一个查找模式(?<=exon )，然后提取数字\\d+，然后是空格\\s+，再提取数字\\d+。