refseqID转换为geneID（2018-06-05）

1 refseqID转换成geneID

下载gene2refseq.gz

 wget -c ftp://ftp.ncbi.nih.gov/gene/DATA/gene2refseq.gz

2 提取相似物种的基因

gene2refseq.csv文件较大，有4G多，所以将blast比对过的物种中的提取出来，在进行ID转换。

• 首先查找物种的分类号
  Glycine max 3847
  Cicer arietinum 3827
  Medicago truncatula 3880
  vitis japonicus 29760
  Homo sapiens 9606
  Citrus sinensis 2711
  Theobroma cacao 3641
  Zea mays 4577

• grep命令(例)

  grep ^9606  gene2refseq1 | grep ^38  gene2refseq1 | …
  

• cut命令合并（应该不会写脚本）

  cut  gene2refseq* > gene.csv
  

(得到的两个文件：gene.csv和db_blast3.csv)

3 R语言-merge函数

merge函数的声明:

merge( x, y, by = intersect(names(x), names(y)),
by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
sort = TRUE, suffixes = c(".x",".y"),
incomparables = NULL, ...）

#merge过程中两个文件匹配行一致，不然会报错。

DF1<-read.csv("lyr/rna-seq/blast/geneID/gene.csv") #读取gene.csv
DF2<-read.csv("lyr/rna-seq/blast/geneID/db_blast3.csv") #读取db_blast3.csv
dim(DF1) #看一下表格维度
dim(DF2)
merge(DF1,DF2,by ="RNA_nucleotide_accession.version", all.y = TRUE)
data1<-(merge(DF1,DF2,by ="RNA_nucleotide_accession.version", all.y = TRUE)) #将merge结果写道data中
write.csv(data1, file = "result_data.csv", quote = FALSE, row.names = FALSE) #输出文件为result_data.csv

接着看result_data.csv中基因的功能。