ID转换靠的是深厚的背景知识加上一点代码技巧 / 开普饭

有学员提问：

请教老师，在分析一个芯片数据时候，遇到这个GPL16686平台，直接看平台信息里面的表格如图，找不到基因名，所以不知道该怎么办，ID转换就卡死了，后续的差异分析，火山图，热图等等都无从下手。

如下所示：

但，其实这个表格已经是给出来了基因名字，就是 GB_ACC 那一列的内容，属于refseq数据库的ID系列。这个GPL16686平台芯片的难点并不在ID转换，基因注释，反而是在上游处理，质量控制等等，我在：HTA芯片（学徒探索任务）指出过这一点。

那，为什么大家普遍的问题都集中在ID转换呢，主要是因为大家处于生物信息学初学者这个环节，没办法看到GB_ACC就里面反映过来它是refseq数据库的ID，如果大家注意留意我们生信技能树的基础知识大全，比如24.使用R语言获取人类所有基因的名字，ID，symbol以及别名就可以看到相应的数据库资源了。entrez gene ID, HUGO symbol, refseq ID, ensembl ID 这些专有名词，我们也是在生信菜鸟团安排专门的小编整理了这些知识：生信基础知识100讲。

library(org.Hs.eg.db) ls('package:org.Hs.eg.db')

在R里面可以看到这个 org.Hs.eg.db包其实把大家数据分析过程中用得上的ID都整理好了：

> ls('package:org.Hs.eg.db') [1] "org.Hs.eg" "org.Hs.eg_dbconn" "org.Hs.eg_dbfile" [4] "org.Hs.eg_dbInfo" "org.Hs.eg_dbschema" "org.Hs.eg.db" [7] "org.Hs.egACCNUM" "org.Hs.egACCNUM2EG" "org.Hs.egALIAS2EG" [10] "org.Hs.egCHR" "org.Hs.egCHRLENGTHS" "org.Hs.egCHRLOC" [13] "org.Hs.egCHRLOCEND" "org.Hs.egENSEMBL" "org.Hs.egENSEMBL2EG" [16] "org.Hs.egENSEMBLPROT" "org.Hs.egENSEMBLPROT2EG" "org.Hs.egENSEMBLTRANS" [19] "org.Hs.egENSEMBLTRANS2EG" "org.Hs.egENZYME" "org.Hs.egENZYME2EG" [22] "org.Hs.egGENENAME" "org.Hs.egGO" "org.Hs.egGO2ALLEGS" [25] "org.Hs.egGO2EG" "org.Hs.egMAP" "org.Hs.egMAP2EG" [28] "org.Hs.egMAPCOUNTS" "org.Hs.egOMIM" "org.Hs.egOMIM2EG" [31] "org.Hs.egORGANISM" "org.Hs.egPATH" "org.Hs.egPATH2EG" [34] "org.Hs.egPFAM" "org.Hs.egPMID" "org.Hs.egPMID2EG" [37] "org.Hs.egPROSITE" "org.Hs.egREFSEQ" "org.Hs.egREFSEQ2EG" [40] "org.Hs.egSYMBOL" "org.Hs.egSYMBOL2EG" "org.Hs.egUCSCKG" [43] "org.Hs.egUNIGENE" "org.Hs.egUNIGENE2EG" "org.Hs.egUNIPROT" >

当然了，有背景知识，还需要一些代码技巧，才能做好ID转换，主要是 match函数，%in% 函数，merge函数的使用！

感兴趣这些ID转换的小伙伴,可以参加我们这个月18号(下周六晚上)八点的钉钉群关于ID转换的公开课，带你一次性弄清楚无穷多的ID转换问题。我们的讲师会带领大家系统性整理生信技能树过去几年关于ID转换的经验合辑，视频+习题，让你一次性学个够！

ID转换靠的是深厚的背景知识加上一点代码技巧

相关推荐