EXCEL是常用的查看表格的工具，提供了很好的數(shù)據(jù)篩選、繪圖等功能，不少基因表達(dá)數(shù)據(jù)也會在EXCEL中打開查看、篩選和排序。還有 3 個超贊的 EXCEL 插件，讓你 5 分鐘從小白變大神。
但是EXCEL也會出現(xiàn)比較尷尬的事情，如基因名字的轉(zhuǎn)換。比如gene symbols SEPT2 (Septin 2)、MARCH1 [Membrane-Associated Ring Finger (C3HC4) 1, E3 Ubiquitin Protein Ligase], Oct4 (Pou5f1) 會被轉(zhuǎn)為2-Sep、1-Mar和4-Oct. RIKEN 識別符因為E的存在會被識別為科學(xué)計數(shù)法，如2310009E13轉(zhuǎn)為2.31E+13。
這一事情在2014年的BMC Bioinformatics上就有報道。下圖所示12個月份開頭的基因名字都不可逆的轉(zhuǎn)換為了日期。
這些數(shù)據(jù)不只是存在于Excel表中，還威脅到了公共數(shù)據(jù)庫，如NCBI LocusLink。
2016年Genome biology對2005-2015期間發(fā)表在18個雜志的文章附表中基因名字做了分析，發(fā)現(xiàn)Nature中有附表的文章里面，有30%以上出現(xiàn)了EXCEL引起的基因名字轉(zhuǎn)換錯誤，受影響的文章有74篇，影響的基因1375個。并且出現(xiàn)基因名字轉(zhuǎn)換錯誤的附表錯誤的文章逐年增加，這一定程度上也是因為大規(guī)?；蜓芯康难杆匍_展使得總上傳的附件數(shù)增多引起的。
并且作者還做了相關(guān)性分析，影響因子越高，受影響的基因列表比例越大。這可能是因為高影響力的文章涉及了更多的數(shù)據(jù)集。
BMC bioinformatics雖然首先提出這個問題，后續(xù)受影響比例也比較大，有政策，無實施。
為此，Eric A. Welsh特意開發(fā)了一款工具阻止此類轉(zhuǎn)換，提供了在線版本，Excel插件，Perl腳本和Galaxy訪問接口，也是煞費苦心。軟件發(fā)布在Github上，https://github.com/pstew/escape_excel，文章發(fā)表在Plos One。
Excel插件也很好安裝，下載解壓，escape_excel-master\release\2017-06-28\EscapeExcelAddin目錄中有setupEscapeExcel.exe, 雙擊安裝即可。
這個插件可以解決以下幾種問題，解決方式是在原字符串前加上=，并用"括起。(只在最開始加個'看上去也可以解決問題，沒細(xì)看作者為啥采用相對復(fù)雜的方式)。但是轉(zhuǎn)換后的數(shù)據(jù)在使用EXCEL的函數(shù)時需要注意匹配方式的變化。
常見受影響基因列表
- 2310009E13
- FEB2
- MAR1
- DEC1
- 2310009E13
- OCT4
- APR1
- SEP2
- SEP-1
- FEB1–FEB11
- MARCH1–MARCH11
- SEPT1–SEPT14
生信分析中經(jīng)常會做的根據(jù)基因名字提取序列、表達(dá)量和注釋，都會受到這些名字轉(zhuǎn)換的影響，也會受到另外一個常見的換行符的影響^M，所以做分析需要謹(jǐn)慎、謹(jǐn)慎、再謹(jǐn)慎。一定多檢查結(jié)果是否前后一致。
除了要求細(xì)心之外，還要求有一定的程序基礎(chǔ)，可以從多個角度查看、驗證和解決問題，保證一致性。
市面上Linux和Python的課程很多，但真正面向生物數(shù)據(jù)和生物信息分析的不多。近來頻頻收到不少朋友說看了我們的生信程序視頻課開竅了、入門了，對程序基礎(chǔ)的應(yīng)用理解更深了，我們的課程在http://bioinfo.ke.qq.com/可以獲取，歡迎更多朋友觀看。
- https://www.nature.com/articles/ng.3690
- http://blogs.nature.com/naturejobs/2017/02/27/escape-gene-name-mangling-with-escape-excel/
- https://bmcbioinformatics.biomedcentral.com/articles/10.1186/1471-2105-5-80
- https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0185207
- http://www.theallium.com/biology/scientific-community-capitulates-microsoft-officially-changes-gene-names-dates/
系列教程
- 生物信息之程序?qū)W習(xí)
- 關(guān)于編程學(xué)習(xí)的一些思考
- 該如何自學(xué)入門生物信息學(xué)
- 如何優(yōu)雅的提問
- 生信寶典視頻教程
- 好色之旅-畫圖三字經(jīng)
- 轉(zhuǎn)錄組分析的正確姿勢
- 生信的系列教程
- 生信的系列書籍
- 文章用圖的修改和排版 (1)
- 文章用圖的修改和排版 (2)
- 簡單強大的在線繪圖
- 簡單強大的在線繪圖-升級版
- 論文圖表基本規(guī)范
- 學(xué)術(shù)圖表的基本配色方法
- 數(shù)據(jù)可視化基本套路總結(jié)
- 英語寫作常見錯誤總結(jié)和學(xué)習(xí)視頻
- 教育部推出首批490門"國家精品在線開放課程"
- 你該知道的雜志分區(qū)和影響因子及最新表格下載
- 你和PPT高手之間，就只差一個iSlide
- 推薦 3 個超贊的 EXCEL 插件，讓你 5 分鐘從小白變大神
- 史上最全的圖表色彩運用原理
- 生信寶典一周年福利第一波 - 電子書贈送
- 測序發(fā)展史：150年的風(fēng)雨歷程
- 生信老司機以中心法則為主線講解組學(xué)技術(shù)的應(yīng)用和生信分析心得
