编辑:认为对于后来搜索的人来说,这可能是有用的,这个数据是我在尝试输出序列属性时从Biomart获得的输出.
我有以下基因组数据:
structure(list(Sequences = structure(c(2L, 10L, 3L, 8L, 9L, 1L,
5L, 4L, 6L, 7L), .Label = c(">ENSRNOG00000000902|Hsph1", ">ENSRNOG00000001136|Pebp1",
">ENSRNOG00000001214|Pfkl", "AGAGAGGCGAGCGGCGGAGAGCGGTGGCAAATACTGAACGCAGTCTCGCAGGGTAAGCCC",
"GAGCGATTGGGACCTCCCCTTTTGGATTGGTAGCTGAGCGGCAGTGGCGGCGGCTGCGTG",
"GAGGCATCTTCCCGGCCGGTCGGGAGCAGGAGGAGCACGCAGCGGATCCCAGGCAGAGGC",
"GGACCGGGCCAGCC", "GGCGGGGACAGGCGACAGCCGCGCGGAACGCAGAGCGGCGGGAGAGGAGCTCGGGCTCCT",
"GGTCTCTGCTGCCGTC", "GTTTAACTGCACTCGGGACTCGGCGCGCGCGTGTGTCTGTTCTCTCCATCGTC"
), class = "factor")), .Names = "Sequences", class = "data.frame", row.names = c(NA,
-10L))
我想重新排列数据,以便第一列显示基因ID信息(例如,对于第一种情况,它将是:"> ENSRNOG00000001136 | Pebp1")然后它下面的基因组代码行将一起显示在列旁边它.注意,行7-10具有多行遗传密码.在这里,基因ID信息下面的所有字符串将被连接成一行而不是分布在4个单独的行上.最后,我还想删除每个基因ID之前的">"符号.
因此最终的输出是:
ID Sequence
ENSRNOG00000001136|Pebp1 GTTTAACTGCACTCGGGACTCGGCGCGCGCGTGTGTCTGTTCTCTCCATCGTC
ENSRNOG00000001214|Pfkl GGCGGGGACAGGCGACAGCCGCGCGGAACGCAGAGCGGCGGGAGAGGAGCTCGGGCTCCTGGTCTCTGCTGCCGTC
ENSRNOG00000000902|Hsph1 GAGCGATTGGGACCTCCCCTTTTGGATTGGTAGCTGAGCGGCAGTGGCGGCGGCTGCGTGAGAGAGGCGAGCGGCGGAGAGCGGTGGCAAATACTGAACGCAGTCTCGCAGGGTAAGCCCGAGGCATCTTCCCGGCCGGTCGGGAGCAGGAGGAGCACGCAGCGGATCCCAGGCAGAGGCGGACCGGGCCAGCC
请注意,这只是~2500行数据帧的前几行.解决方案需要足够通用,它可以解析序列占用的行数可能超过上例中显示的4行的情况.