常用id
Ensemble id：由歐洲生物信息數(shù)據(jù)庫提供，一般以ENSG開頭，后邊跟11位數(shù)字。如TP53基因：ENSG00000141510
Entrez id：由美國NCBI提供，通常為純數(shù)字。如TP53基因：7157
Symbol id：為我們常在文獻(xiàn)中報(bào)道的基因名稱。如TP53基因的symbol id為TP53
Refseq id：NCBI提供的參考序列數(shù)據(jù)庫：可以是NG、NM、NP開頭，代表基因，轉(zhuǎn)錄本和蛋白質(zhì)。如TP53基因的某個(gè)轉(zhuǎn)錄本信息可為NM_000546
簡單介紹一下clusterProfiler包
clusterProfiler包是有Y叔開發(fā)的包之一，可以進(jìn)行基因及基因簇的分析和基因譜功能可視化，功能強(qiáng)大且更新很頻繁。我們今天在clusterProfiler包中用到的是其中的叫做bitr()和bitr_kegg()的函數(shù)，支持許多物種的ID轉(zhuǎn)換。
clusterProfiler包的安裝
#安裝
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("clusterProfiler")
#查看幫助文檔
browseVignettes('clusterProfiler')
#載入包
library(clusterProfiler)
#載入注釋包 如人類的基因組注釋包library(org.Hs.eg.db)
library(org.Hs.eg.db)
簡單地說明一下注釋包：
因?yàn)樵诓煌奈锓N中，都有著不同的注釋信息。當(dāng)我們要進(jìn)行人類的基因組的注釋時(shí)，我們要選擇人類的基因組注釋包。另外，在bioconductor中OrgDb對(duì)象支持19個(gè)物種的注釋http://bioconductor.org/packages/release/BiocViews.html#___OrgDb
查看注釋包中支持的ID轉(zhuǎn)換類型
clusterProfiler包方便地提供了keytypes()函數(shù)查看注釋包中的可以進(jìn)行ID轉(zhuǎn)換的項(xiàng)目。查看一下人類的注釋包中支持的ID轉(zhuǎn)換類型。
常用的幾種，如：ENSEMBL、ENTREZID、SYMBOL、REFSEQ都在其中
keytypes(org.Hs.eg.db)
ID轉(zhuǎn)換
如果輸入的是SYMBOL ID的話
利用birt（）函數(shù)
eg <- bitr(x,fromType = 'SYMBOL',
toType = c('ENTREZID','ENSEMBL','REGSEQ'),
OrgDb='org.HS.eg.db',
)
#其中的參數(shù)代表：
geneID：輸入的geneID
fromType：輸入的ID類型
toType：輸出的ID類型
OrgDb：注釋對(duì)象的信息
Drop：去除空值與否
結(jié)果
函數(shù)輸出的對(duì)象為數(shù)據(jù)框dataframe，有利用數(shù)據(jù)框的操作方式進(jìn)行后續(xù)操作。
一個(gè)小例子
利用bitr_kegg()函數(shù)進(jìn)行基因ID與蛋白質(zhì)ID的轉(zhuǎn)換
和之前的bitr函數(shù)類似，完整的bitr_kegg()函數(shù)為bitr_kegg(geneID, fromType, toType, organism, drop = TRUE)
注意：
1.這里我們的輸入fromType以及輸出toType，允許的ID為必須為：‘kegg’, ‘ncbi-geneid’, ‘ncbi-proteinid’ or ‘uniprot’中的一個(gè)，否則會(huì)報(bào)錯(cuò)；另外，kegg id的數(shù)據(jù)源是NCBI，所以這個(gè)kegg id與entrez id是一致的。
2.orgaism參數(shù)可以為：‘hsa’，代表人類。其他的物種名稱可以參考kegg的網(wǎng)站https://www.genome.jp/kegg/catalog/org_list.html
以TP53基因?yàn)槔?，我們這里的輸入為TP53的entrez id: 7157
這里我們需要了解為什么會(huì)出現(xiàn)3個(gè)不同的uniprot。
首先，在uniprot中，uniProtKB是經(jīng)過專家校驗(yàn)的蛋白數(shù)據(jù)庫集，我們一般也通過該數(shù)據(jù)庫查找蛋白的信息。UniProtKB英文全稱UniProt Knowledgebase（UniProt知識(shí)庫。主要由兩部分組成：UniProtKB/Swiss-Prot (包含檢查過的、手工注釋的條目) 和 UniProtKB/TrEMBL (包含未校驗(yàn)的、自動(dòng)注釋的條目)。 網(wǎng)址為：https://www.uniprot.org/
我們分別看一下我們通過轉(zhuǎn)換之后的uniprot id在uniprot數(shù)據(jù)庫中的說明。我們進(jìn)入數(shù)據(jù)庫中查詢，可以發(fā)現(xiàn)，P04637顯示的是TP53基因的蛋白質(zhì)表達(dá)水平，級(jí)別是Reviewed，就是其來源為UniProtKB/Swiss-Prot。
同理，我們可以找到K7PPA8和Q53GA5的結(jié)果。兩者都是轉(zhuǎn)錄本水平的表達(dá)，級(jí)別都是Unreviewed，就是其來源為UniProtKB/TrEMBL。另外，相對(duì)而言，K7PPA8的注釋分?jǐn)?shù)要高，說明注釋的程度要高一些。
ID轉(zhuǎn)換之后
一般ID轉(zhuǎn)換僅僅為開始的準(zhǔn)備工作，將自己的數(shù)劇轉(zhuǎn)換好之后可以進(jìn)行后續(xù)的分析。另外，利用clusterProfiler包可以進(jìn)行許多豐富的下游分析，比如GO分析、KEGG分析等等，有興趣的同學(xué)們可以進(jìn)一步學(xué)習(xí)。
參考 http://www.360doc.com/content/19/0506/00/30846661_833639624.shtml
