ID转换工具比较

写在前面

昨天我们介绍了三个ID转换的工具：DAVID；g:Convert以及biomart。但是这个工具内置的数据怎么样。这个我们不清楚。所以就来评价一下这几个工具吧。

数据准备

由于我们使用最多的是TCGA的数据。所以我们就用TCGA的ID号来进行一下多个数据库的评估。

image

首先由于TCGA比对的ID使用的是ENSG + 版本的的样式。这样的ID号。我们只能只能使用biomart来进行转换。同样的转换的结果也不是很理想。至于说TCGA的ID号怎么转换最好。这个我们可以明天再讲一下。

为了评价三个数据库的结果，所以我们就把有版本号的结果进行了拆分。拆成了ENSG类别的ID号来进行多数据库评价。我们这里选择随机的999个基因ID来进行评价。

image

多数据库评价结果

利用这999个ENSG ID号，我们在DAVID数据库当中进行了转换。结果发现。在这999个ID当中。只有515个基因存在于数据库当中。剩下的484个是没有纳入到数据库当中的。

image

同样的，我们在g:Convert数据库当中进行的转换。999个的基因当中，经过转换，最终有894个基因得到的转换。

image image.png

最后，通过biomart数据库来进行转换的话。我们在输入好之后。点击count就就可以得到统计的结果。经过统计。我们发现有925个基因得到的注释。

image

综上来看的话，还是biomart转换的结果更好一些。所以如果要进行id转换的话，还是推荐使用biomart。有时候biomart或者说ensembl数据库整体来说在国内有时候会上不去，这个时候其实使用g:Convert也是可以的。至于DAVID嘛。。还是放弃吧。。。

biomart数据库的另一种使用

我们在进行基因组分析的时候，经常得到了很多目标基因。但是对于这些基因具体是蛋白编码的还是非编码的不是很清楚。这个时候看着一个个基因总不能一个个去查吧。所以这个时候就可以使用biomart进行基因类型的注释了。

在biomart的Attributes里面，有一个Gene Type的注释。这个注释可以让我们知道基因的类型。如果我们选上这个输出结果的话。

image

在选择之后，点击Results。我们就可以看到在的最后一栏就有了一个Gene Type的列。这个里面就注释了，每一个基因是蛋白编码的还是其他的。

image

写到最后

以上就是我们对于三个数据库的比较以及对于biomart使用过程当中的一个对于基因类型注释的小技巧。

通过以上来看的话，其实转换的时候都会有一些基因的丢失。那TCGA里面的基因都来自于哪里呢？这个我们下周再讲哈。