生物信息学数据库种类繁多&＃xff0c;其中基因ID是很多人比较困惑的&＃xff0c;尤其是很多产品居然还不是基因ID的问题&＃xff0c;比如表达芯片是探针&＃xff0c;所以我策划了一系列ID转换教程&＃xff0c;见文末&＃xff01;我的包里面有一个函数大家比较感兴趣&＃xff0c;就是为什么可以根据基因ID拿到其染色体坐标呢&＃xff1f;而且还可以得到其基因类型。
如下所示&＃xff1a;
library(AnnoProbe)
IDs <- c("DDX11L1", "MIR6859-1", "OR4G4P", "OR4F5")
ID_type &＃61; "SYMBOL"
annoGene(IDs, ID_type)
annoGene(IDs, ID_type,out_file &＃61;&＃39;tmp.html&＃39;)
annoGene(IDs, ID_type,out_file &＃61;&＃39;tmp.csv&＃39;)
你可以指定ID_type&＃xff0c;目前只能是选择 "ENSEMBL" or "SYMBOL"&＃xff0c;然后这个函数就会为你进行ID转换及坐标&＃xff0c;还有基因类型的注释。
需要使用下面的代码自行下载安装我们的AnnoProbe包
library(devtools)
install_github("jmzeng1314/AnnoProbe")
library(AnnoProbe)
因为这个包里面并没有加入很多数据&＃xff0c;所以理论上会比较容易安装&＃xff0c;当然&＃xff0c;不排除中国大陆少部分地方基本上连GitHub都无法访问。
我做了哪些事情
其实就是下载GENCODE数据库文件&＃xff0c;然后格式化即可。我这里使用的是perl语言&＃xff0c;实际上可能是使用R更好&＃xff0c;保证这个开发流程的统一。
# https://www.gencodegenes.org/human/
nohup wget ftp://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_human/release_32/gencode.v32.annotation.gtf.gz &
# https://www.gencodegenes.org/mouse/
nohup wget ftp://ftp.ebi.ac.uk/pub/databases/gencode/Gencode_mouse/release_M23/gencode.vM23.annotation.gtf.gz &
# https://www.ensembl.org/Rattus_norvegicus/Info/Index
nohup wget ftp://ftp.ensembl.org/pub/release-98/gtf/rattus_norvegicus/Rattus_norvegicus.Rnor_6.0.98.chr.gtf.gz & zcat gencode.v32.annotation.gtf.gz |perl -alne &＃39;{next unless $F[1] eq "HAVANA";next unless $F[2] eq "gene";/gene_id "(.*?).d&＃43;.*?"; gene_type "(.*?)"; gene_name "(.*?)"/;print "$3t$2t$1t$F[0]t$F[3]t$F[4]"}&＃39; > human_gencode.v32.txt
zcat gencode.vM23.annotation.gtf.gz |perl -alne &＃39;{next unless $F[1] eq "HAVANA";next unless $F[2] eq "gene";/gene_id "(.*?).d&＃43;.*?"; gene_type "(.*?)"; gene_name "(.*?)"/;print "$3t$2t$1t$F[0]t$F[3]t$F[4]"}&＃39; > mouse_gencode.vM23.txtzcat Rattus_norvegicus.Rnor_6.0.98.chr.gtf.gz |perl -alne &＃39;{next unless $F[2] eq "gene";/gene_id "(.*?)";.*?gene_name "(.*?)";.*?gene_biotype "(.*?)";/;print "$2t$3t$1t$F[0]t$F[3]t$F[4]"}&＃39; > rat_ensembl_6.0.98.txt
得到的文件如下&＃xff1a;
53004 human_gencode.v32.txt
48961 mouse_gencode.vM23.txt
32623 rat_ensembl_6.0.98.txt
这些就加载到R包里面&＃xff0c;有了这些数据源&＃xff0c;就可以很轻松的进行基因ID转换或者注释了。
表达芯片探针ID转换大全
在2019年的尾巴&＃xff0c;我推出3个R包&＃xff0c;
- 第一个是整合全部的bioconductor里面的芯片探针注释包。
- 第二个是整合全部GPL的soft文件里面的芯片探针注释包。
- 第三个是下载全部的GPL的soft文件里面的探针碱基序列比对后注释包。
配合着详细的介绍&＃xff1a;
- 第三个万能芯片探针ID注释平台R包
- 第二个万能芯片探针ID注释平台R包
- 第一个万能芯片探针ID注释平台R包
- GEO数据库中国区镜像横空出世
因为这些包暂时托管在GitHub平台&＃xff0c;但是非常多的朋友访问GitHub困难&＃xff0c;尤其是我打包了好几百个GPL平台的注释信息后&＃xff0c; 我的GitHub包变得非常臃肿&＃xff0c;大家下载安装困难&＃xff0c;所以我重新写一个精简包&＃xff0c;也在&＃xff1a;芯片探针ID的基因注释以前很麻烦 和 &＃xff1a;芯片探针序列的基因注释已经无需你自己亲自做了, 里面详细介绍了。最重要的是idmap函数&＃xff0c;安装方法说到过&＃xff1a;芯片探针序列的基因注释已经无需你自己亲自做了, 使用起来也非常简单&＃xff1a;
library(AnnoProbe)
ids&＃61;idmap(&＃39;GPL570&＃39;,type &＃61; &＃39;soft&＃39;)
head(ids)
仅仅是一句话&＃xff0c;就拿到了这个平台的探针的注释信息。需要注意的是&＃xff0c;这个函数的type参数&＃xff0c;其实是有3个选择&＃xff0c;这里我演示的是选择soft这个来源的基因注释信息。
并不是所有的平台都是有soft注释&＃xff0c;也不是所有的平台都被我的这个工具囊括哦。
京公网安备 11010802041100号