【ChIP-seq分析】超级增强子系列2：ROSE准备gff文件：peak 信息文件转化为9列gff格式文件R代码

# 处理子文件夹下*ChIP.txt文件的函数
simple_convert_to_gff <- function(input_dir = ".", recursive = TRUE) {
  # 获取所有符合条件的文件
  pattern <- "*_ChIP\\.txt$"
  files <- list.files(path = input_dir, pattern = pattern, 
                      full.names = TRUE, recursive = recursive)
  if (length(files) == 0) {
    cat("未找到匹配的*ChIP.txt文件\n")
    return(NULL)
  }
  cat("找到", length(files), "个匹配的文件:\n")
  print(files)
  # 对每个文件进行处理
  for (input_file in files) {
    cat("正在处理文件:", input_file, "\n")
    # 读取文件，跳过前33行
    data <- read.table(input_file, skip = 33, sep = "\t", 
                       stringsAsFactors = FALSE, comment.char = "")
    # 过滤掉包含下划线的染色体行
    # 假设染色体信息在第二列
    data_filtered <- data[!grepl("_|^chrM$|^chrEBV$|^chrY$", data[, 2]), ]
    # 确保输出文件在同一文件夹中
    output_dir <- dirname(input_file)
    # 提取文件名前缀（去掉ChIP.txt后缀）
    file_prefix <- sub("_ChIP\\.txt$", "", basename(input_file))
    output_file <- file.path(output_dir, paste0(file_prefix, "peak.gff"))
    # 直接构建GFF行
    gff_lines <- apply(data_filtered, 1, function(row) {
      paste(
        row[2],      # 第1列: chr (原始数据的第2列)
        row[1],      # 第2列: PeakID (原始数据的第1列)
        ".",         # 第3列: 用点表示缺失
        row[3],      # 第4列: start (原始数据的第3列)
        row[4],      # 第5列: end (原始数据的第4列)
        ".",         # 第6列: 用点表示缺失
        ".",         # 第7列: strand (使用点号)
        ".",         # 第8列: 用点表示缺失
        row[1],      # 第9列: PeakID (原始数据的第1列)
        sep = "\t"
      )
    })
    # 写入文件（不包含列名）
    writeLines(gff_lines, output_file)
    cat("转换完成！输出文件:", output_file, "\n")
    cat("转换了", length(gff_lines), "行数据\n\n")
  }
  cat("所有文件处理完成！\n")
}
# 批量处理特定文件夹的函数
batch_convert_chip_files <- function(input_dir = ".", recursive = TRUE) {
  simple_convert_to_gff(input_dir, recursive)
}
# 1. 处理当前目录及其子目录下的所有*ChIP.txt文件
simple_convert_to_gff()
# 2. 处理指定目录下的所有*ChIP.txt文件（不包括子目录）
simple_convert_to_gff("/path/to/your/files", recursive = FALSE)
# 3. 处理指定目录及其子目录下的所有*ChIP.txt文件
simple_convert_to_gff("/path/to/your/data")