https://www.genenames.org/download/statistics-and-files/
这里有一个链接的地址:
ftp://ftp.ebi.ac.uk/pub/databases/genenames/new/tsv/hgnc_complete_set.txt
找到这个,是因为一个需求,找到基因与基因家族之间的对应关系。结果发现这个表格真的是好全,得到的远远比想要的多。
首先看一下日期:
(今天是12.25)更新于四天前
表格太大,所以看下他的统计信息。。。
把这个表格下载到工作目录,在R斯丢丢中用read.csv()读取后,用我神奇的dumd函数来看就好
dumd <- function(x){
colname <- vector("character")
count <- vector("integer")
for(i in 1:ncol(x)){
colname[i] = colnames(x)[[i]]
count[i]=nrow(x[!duplicated(x[,i]),])
}
df <- tibble(colname,count) %>%
arrange(desc(count))
print(df)
}
dumd(hgnc)
表格给出了各列的列名及非重复值数。
各种id,还有基因名/类型/基因家族等等各种信息,既然他成了数据框,下一步当然是任我宰割,只因为不知道他的存在才费了好多功夫!实战中得到的教训,多查少造轮子。
网友评论