数据分析：转录ID和基因ID转换

前言

在使用kallisto等基于cDNA数据库注释软件时，获得的gene expression matrix的gene id是transcript id。后续在做数据分析时，需要将其转换成gene symbol。以下介绍两种转换方法。更多知识分享请到 https://zouhua.top/。

第一种方法

在GitHub上有人开发了可以做该种转换的R包， BUSpaRse提供的transcript2gene函数其实套用了biomart包的useMart函数获取了转录ID与基因ID的对应关系。它方便在直接使用，看起来较为清晰简单。

# devtools::install_github("BUStools/BUSpaRse")
library(BUSpaRse)

tr2g <- transcript2gene(
            c("Homo sapiens", "Mus musculus"), 
            type = "vertebrate",
            ensembl_version = 100, 
            kallisto_out_path = "./")

第二种方法

直接使用biomart包的useMart函数，在使用前我们先要提取参考基因组的基因ID，为后面基于该基因ID匹配到转录本ID做准备。

• 获取基因组的基因list

cat Homo_sapiens.GRCh38.101.gtf | awk -F'\t' '{if($3=="gene") {split($9,a,";"); print a[1]"\t"$5-$4};}' | sed 's/[gene_id |"|]//g' | sort -u > Homo_sapiens.GRCh38.101.genelength.tsv

• 获取基因ID与转录本ID对应关系表

library(biomaRt)
library(curl)

genelist <- read.table("Homo_sapiens.GRCh38.101.genelength.tsv", header = T)
human_mart <- useMart(host="www.ensembl.org", 
                     biomart="ENSEMBL_MART_ENSEMBL", 
                     dataset = "hsapiens_gene_ensembl")
human_gene_all <- getBM(attributes=c("ensembl_gene_id", 
                                         "entrezgene_id",
                                         "external_gene_name", 
                                         "ensembl_transcript_id", 
                                         "ensembl_transcript_id_version",
                                         "transcript_biotype", 
                                         "description"),
                            filters="ensembl_gene_id",
                            values = genelist$Geneid,
                            mart=human_mart)

Reference

1. transcript2gene usage

2. BUSpaRse github

参考文章如引起任何侵权问题，可以与我联系，谢谢。