从tRNAscan-SE得到一段序列中tRNA对应的氨基酸和相应的的个数

功能：整理tRNAscan-SE输出的文件(-m),得到氨基酸和相应的tRNA的个数

为什么有这个需求：

高质量MAG还应编码23S、16S和5S rRNA基因，以及20种可能氨基酸中至少18种的tRNA

[文章：Minimum information about a single amplified genome (MISAG) and a metagenome-assembled genome (MIMAG) of bacteria and archaea]

Step1. 安装tRNAscan-SE

直接在Linux服务器用conda 安装

conda create -n trnascan
conda activate trnascan
conda install -c bioconda trnascan-se

题外话：我之前尝试了用下载源码安装——但这样以下面步骤这样安会有一个大问题，就是inferal没有同步装在所需目录，所以调用时就会报错。直接用conda安装就很方便地一切OK。

Step2. 运行 tRNAscan-SE
 

conda activate trnascan
# 这个test.fna是输入文件
tRNAscan-SE test.fna -B -o tRNA.out -f tRNA.ss -m tRNA.stats

得到的tRNA.stats，62行以后就是这样：

Step3. 数据整理（用R语言）

#######对于一个示例样品#########
# 读取文件内容
content <- readLines("tRNA.stats")

# 提取 Isotype / Anticodon Counts 以后的部分
start_line <- grep("Isotype / Anticodon Counts:", content) #得到这个定位的行数
extracted_content <- content[(start_line + 2):(length(content)-1)]

# 提取第一个制表符前的部分
extracted_content3 <- sub("\t.*", "", extracted_content)
# 提取第一个冒号前的部分（也即氨基酸的种类）
extracted_content2 <- sub(":.*", "", extracted_content3)
# 提取第一个制表符前，第一个冒号后的部分（也即比对到的个数）
extracted_content4 <- sub(".*:", "", extracted_content3)


df <- data.frame(Isotype = extracted_content2, count=extracted_content4,stringsAsFactors = FALSE)

 输出的df表如下：