Fig1.png
那么公司给的这些Transcript ID是属于那些基因呢？需要我们找到这些Transcript ID对应的gene ID。由于公司给的是EMBL数据库命名方式，所以可以去http://asia.ensembl.org/index.html网站输入这些Transcript ID找到对应的gene ID。
----但是，如果Transcript ID数量太多，那么这个过程会浪费很多时间，由此出现了各种Biological ID批量转换工具，有在线软件DAVID(https://david.ncifcrf.gov/)下的Gene ID conversion工具，还有R语言的clusterProfiler包和biomaRt包等等。
----对于DAVID，粘贴这些Transcript ID后，在第二步选择ENSEMBL_TRANSCRIPT_ID。点击Submit List后，我的160个Transcript ID返回138个Gene Name，20个Transcript ID属于Unknown，两个Transcript ID对应到了同一个Gene Name。
----对于R包，首先需要下载R:https://mirror.lzu.edu.cn/CRAN/，然后输入以下代码安装相应的R包。
----clusterProfiler包需要安装注释文件包org.Mm.eg.db（鼠）或者org.Hs.eg.db（人）：
source("http://bioconductor.org/biocLite.R")
biocLite('org.Mm.eg.db')
biocLite('clusterProfiler')
library('org.Mm.eg.db'）
library('clusterProfiler')
数据导入：
data<-read.csv("data.csv",header=T,sep=",")#data.csv为你的包含输入ID的数据集，如果后缀是xls，则点击文件另存为，选择:CSV(逗号分隔)(*.csv).
ENTREZID<- bitr(data[,1], fromType = "ENSEMBLTRANS", toType=c("SYMBOL","ENSEMBL","ENTREZID"),OrgDb = org.Mm.eg.db)
----fromType为输入ID的类别，这里选择“ENSEMBLTRANS”，即EMBL数据库转录本命名系统；toType为输出ID的类别，这里选择"SYMBOL"（如:Hoxc13）,"ENSEMBL"（如:ENSMUST00000001700）,"ENTREZID"（如:15422）。fromType和toType都可以选择其他Type，如 ACCNUM, ALIAS, ENSEMBL, ENSEMBLPROT, ENSEMBLTRANS, ENTREZID, ENZYME, EVIDENCE, EVIDENCEALL, GENENAME, GO, GOALL, IPI, MGI, ONTOLOGY, ONTOLOGYALL, PATH, PFAM, PMID, PROSITE, REFSEQ, SYMBOL, UNIGENE, UNIPROT。其中REFSEQ对应为NCBI的GeneBank数据库转录本（和蛋白？）命名系统，NM_或NP_开头的ID。
----我的160个Transcript ID只有56.88%找到对应的SYMBOL和ENSEMBL。这可能是org.Mm.eg.db这个本地包更新不及时。
对于biomaRt，
BiocManager::install("biomaRt")
install.packages('rlang')#按理说biomaRt会把所以的依赖包都装上，但是library的时候，提示我缺这个包
library(biomaRt)
mart <- useMart("ensembl","mmusculus_gene_ensembl")##人类选择hsapiens_gene_ensembl
gene<-read.csv("data.csv",header=T,sep=",")[,1]#自定义包含输入ID的数据集；[,1]，由于我的数据集第一列为ID，所以取第一列
gene_name<-getBM(attributes=c("ensembl_transcript_id","external_gene_name","ensembl_gene_id"),filters = "ensembl_transcript_id",values = gene, mart = mart)
----filters指定输入ID的类型，attributes为输出ID的类型，listFilters(mart)#查看可以输入ID的类型，其中也包括NCBI的GeneBank数据库转录本“RefSeq mRNA ID"；listAttributes(mart)可以查看输出ID的类型。
----我的160个Transcript ID找到了全部external_gene_name（等同于clusterProfiler包的SYMBOL）。由于它是在线转换，所以需要联网。
----获得的gene_name数据集和原有的data数据集合并，可以使用merge函数
gene_data<-merge(data,gene_name,by="ensembl_transcript_id")#ensembl_transcript_id这一列的列名均为ensembl_transcript_id
write.csv( gene_data,"gene_data_name.csv",row.names=FALSE)#保存
biomaRt的使用，参考另一篇：https://www.jianshu.com/p/8e044ab1707d
网友评论