从 Ensembl 基因 ID 转换为不同的标识符

Question

我从 Canis Lupus（狗）继承了 RNAseq 输出数据的数据集。我有 Ensembl 格式的基因标识符，特别是它们看起来像这样，ENSCAFT00000001452.3。我正在尝试使用 bioMaRt 将它们转换为更常见的 ID，需要帮助。我对 R 非常陌生，并认为自己相当无知。任何开始的帮助。

可以将这些 Ensembl ID 转换为任何其他 Ensembl ID（例如不同的物种）吗？ 这些 Ensembl ID 可以转换为 RefSeq、GI 评估 # 吗？如何

从此开始：

library('biomaRt')

mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))

genes <- df$genes

.......在这之后迷路了。谢谢你的帮助。 瑞恩

Answer 1

这里是一步一步的例子：

1. 加载biomaRt 库。

   library(biomaRt)
   

2. 作为查询输入，我们有 Canis lupus familiaris Ensembl 转录本 ID（请注意，它们不是 Ensembl 基因 ID）。我们还需要去掉末尾的点+数字，用来表示注解更新。

   tx <- c("ENSCAFT00000001452.3", "ENSCAFT00000001656.3")
   tx <- gsub("\\.\\d+$", "", tx)
   

3. 我们现在在数据库中查询 tx 中的 Ensembl 成绩单 ID

   ensembl <- useEnsembl(biomart = "ensembl", dataset = "cfamiliaris_gene_ensembl")
   res <- getBM(
       attributes = c("ensembl_gene_id", "ensembl_transcript_id", "external_gene_name", "description"),
       filters = "ensembl_transcript_id",
       values = tx,
       mart = ensembl)
   res
   #ensembl_gene_id ensembl_transcript_id external_gene_name
   #1 ENSCAFG00000000934    ENSCAFT00000001452            COL14A1
   #2 ENSCAFG00000001086    ENSCAFT00000001656                MYC
   #                                                                   description
   #1               collagen type XIV alpha 1 chain [Source:VGNC Symbol;Acc:VGNC:51768]
   #2 MYC proto-oncogene, bHLH transcription factor [Source:VGNC Symbol;Acc:VGNC:43527]
   

请注意，对于特定的mart，您可以使用listAttributes(ensembl) 获得所有attributes 中的data.frame。

除了@GordonShumway 在上面的评论中给出的链接之外，biomaRt 的另一个好的（和简洁的）摘要/介绍可以在Ensembl websites 上找到。