bioMart包是一个连接bioMart数据库的R语言接口，能通过这个软件包自由连接到bioMart数据库
这个·包可以做以下几个工作
1.查找某个基因在染色体上的位置。反之，给定染色体每一区间，返回该区间的基因s；
2.通过EntrezGene的ID查找到相关序列的GO注释。反之，给定相关的GO注释，获取相关的EntrezGene的ID；
3.通过EntrezGene的ID查找到相关序列的上游100bp序列（可能包含启动子等调控元件）；
4.查找人类染色体上每一段区域中已知的SNPs；
5.给定一组的序列ID，获得其中具体的序列；
实例背景：RNA-seq
在这篇文章中https://www.jianshu.com/p/4d0812195b65 我们通过R语言中的数据处理获得了基因的表达矩阵，并且获得了在EBI数据库中的基因编号（基因编号ensembl_gene_id）
>head(raraw_count_filt )
ensembl_gene_id gene_id control1 control2 treat1 treat2
ENSG00000000003 ENSG00000000003 ENSG00000000003.14_2 1576 713 1589 1969
ENSG00000000005 ENSG00000000005 ENSG00000000005.5_2 0 0 0 1
ENSG00000000419 ENSG00000000419 ENSG00000000419.12_2 756 384 806 984
ENSG00000000457 ENSG00000000457 ENSG00000000457.13_3 301 151 217 324
ENSG00000000460 ENSG00000000460 ENSG00000000460.16_5 764 312 564 784
ENSG00000000938 ENSG00000000938 ENSG00000000938.12_2 0 0 0 0
接下来我们要用bioMart这个包从ensembl数据库获得基因的注释
下载并载入R包
>source("http://www.bioconductor.org/biocLite.R")
>biocLite("biomaRt")
>library("biomaRt")
1.显示一下能连接的数据库
> listMarts()
biomart version
1 ENSEMBL_MART_ENSEMBL Ensembl Genes 94
2 ENSEMBL_MART_MOUSE Mouse strains 94
3 ENSEMBL_MART_SNP Ensembl Variation 94
4 ENSEMBL_MART_FUNCGEN Ensembl Regulation 94
这里我们选择ensembl数据库
2.用useMart函数选定数据库
> plant<-useMart("ensembl")
用listDatasets()函数显示当前数据库所含的基因组注释
> listDatasets(plant)
dataset
1 acalliptera_gene_ensembl
2 acarolinensis_gene_ensembl
3 acitrinellus_gene_ensembl
4 amelanoleuca_gene_ensembl
5 amexicanus_gene_ensembl
6 anancymaae_gene_ensembl
7 aocellaris_gene_ensembl
···
···
54 hsapiens_gene_ensembl
这里我们要获取的基因注释的基因是人类基因，所以选择hsapiens_gene_ensembl
3.用useDataseq()函数选定数据库中的基因组
>mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
这条语句的意思是：选定ensembl数据库中的hsapiens_gene_ensembl基因组
4.选定我们需要获得的注释类型
用lsitFilters()函数查看可选择的类型，选定要获取的注释类型，以及已知注释的类型
> listFilters(mart)
name
1 chromosome_name
2 start
3 end
4 band_start
5 band_end
6 marker_start
7 marker_end
8 encode_region
9 strand
10 chromosomal_region
11 with_ccds
12 with_chembl
13 with_clone_based_ensembl_gene
14 with_clone_based_ensembl_transcript
15 with_dbass3
16 with_dbass5
17 with_entrezgene_trans_name
18 with_embl
19 with_arrayexpress
20 with_genedb
21 with_go
这里我们选择这些要获得数值的类型
ensembl_gene_id ,hgnc_symbol chromosome_name start_position end_position band
我们已知的类型是ensembl_gene_id
选择好数据库，基因组，要获得的注释类型，和已知的注释类型，就可以开始获取注释了
5.用getBM()函数获取注释
hg_symbols<- getBM(attributes=c('ensembl_gene_id','hgnc_symbol',"chromosome_name", "start_position","end_position", "band"), filters= 'ensembl_gene_id', values = my_ensembl_gene_id, mart = mart)
这个函数有
4个参数
attributers()里面的值为我们要获取的注释类型
filters（）里面的值为我们已知的注释类型
values= 这个值就是我们已知的注释类型的数据，把上面我们通过数据处理得到的ensembl基因序号作为ensembl_gene_id 的值
mart= 这个值是我们所选定的数据库的基因组
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
获取完注释就可以把注释文件和基因表达量文件合并起来了
注释就完成了！
网友评论