Ensemble ID格式及转换
目录
- Ensemble ID
- Ensemble ID 格式
- Ensemble ID转换
- bitr
- select
- biomaRt 转换
- 参考
- 吐槽
Ensemble ID
Ensemble ID 是Ensembl 数据库使用的ID标识符，用于标识不同的分子特征，如基因，转录本，外显子，蛋白。大多数据库都有一套自己的ID命名。ID 主要是为消除歧义，在特征注释或数据库更新时也能保持一致。不像人为命名的分子名字，如基因名字那样可能发生改变。就类似于我们的身份证号, 名字方便于平常的交流使用，ID是独一无二的。
Ensemble ID 格式
Ensemble ID 个格式是
ENS[物种符号][分子特征][独一无二的11位数字]
ENS[物种符号]
- Ensemble ID 基本上是以ENS开头，后接表示物种的符号,
ENSMUS: 表示Mus musculus (Mouse) - Homo sapiens 直接以ENS表示
- 少部分的，以其他开头
分子特征
| 特征符号 | 特征 |
|---|---|
| G | gene |
| T | transcript |
| E | exon |
| P | protein |
| R | regulatory feature |
| FM | Ensembl protein family |
| GT | gene tree |
根据以上规则，当看到一个Ensemble ID时，我们就可以判断出它来自什么物种，属于什么特征。
比如:
ENSMUSG00000000031: 小鼠基因
ENSMUST00000000031: 小鼠转录本
ENSMUSP00000000031: 小鼠蛋白
ENSG00000000031： 人基因
详细的物种符号表示，可以见：
http://asia.ensembl.org/info/genome/stable_ids/prefixes.html
版本号
通常，我们还会遇到类似这种ENSMUSG00000000031.2 ，id末尾有小数的情况。这是特征的版本号。当ID所表示的特征有变化时，版本号就会增加。版本号增加规则，详见：
http://asia.ensembl.org/info/genome/stable_ids/index.html
Ensemble ID转换
这里介绍三种ID转换的方式
bitr
ID 转换借助Y叔的clusterProfiler中的bitr(Biological Id TRanslator)。
### 安装 clusterProfiler
if (!requireNamespace("BiocManager", quietly = TRUE))install.packages("BiocManager")BiocManager::install("clusterProfiler")
此外还需要对应物种的基因注释包。注释包可以去下面链接找对应物种安装（有20个）：
http://bioconductor.org/packages/release/BiocViews.html#___OrgDb
以小鼠的的为例，安装：
if (!requireNamespace("BiocManager", quietly = TRUE))install.packages("BiocManager")BiocManager::install("org.Mm.eg.db")
下面是代码了
library(clusterProfiler)
library(org.Mm.eg.db)### 以这3个ID为例
gene.ens.id <- c("ENSMUSG00000028901.1", "ENSMUSG00000051910.2", "ENSMUSG00000051390.3")## 有版本号，直接转不行的, 这句代码是去除版本号的
gene.ens.id <- gsub("\\..*", "", gene.ens.id)gene.symbol <- bitr(geneID = gene.ens.id, fromType = "ENSEMBL",toType = c("ENTREZID", "SYMBOL", "GENENAME"),OrgDb = org.Mm.eg.db)
---------------------------------------------------------------------------------------------------------
> gene.symbolENSEMBL ENTREZID SYMBOL GENENAME
1 ENSMUSG00000028901 56809 Gmeb1 glucocorticoid modulatory element binding protein 1
2 ENSMUSG00000051910 20679 Sox6 SRY (sex determining region Y)-box 6
3 ENSMUSG00000051390 81630 Zbtb22 zinc finger and BTB domain containing 22
- geneID ，需要转换的ID
- fromType ，当前ID类型
- toType， 转换成什么ID
- OrgDb, 注释数据库
使用keytypes可以查看注释包的所有 ID 类型。
> keytypes(org.Mm.eg.db)[1] "ACCNUM" "ALIAS" "ENSEMBL" "ENSEMBLPROT" "ENSEMBLTRANS" "ENTREZID" "ENZYME" "EVIDENCE" [9] "EVIDENCEALL" "GENENAME" "GO" "GOALL" "IPI" "MGI" "ONTOLOGY" "ONTOLOGYALL"
[17] "PATH" "PFAM" "PMID" "PROSITE" "REFSEQ" "SYMBOL" "UNIGENE" "UNIPROT"
ENSEMBL是 Ensemble gene IDENSEMBLTRANS是 Ensemble transcript IDENSEMBLPROT是 Ensemble protein ID
select
直接使用AnnotationDbi 注释包的select函数。
library(AnnotationDbi)
library(org.Mm.eg.db)### 以这5个ID为例， 最后两个，一个是重复id,另一个不存在的id
gene.ens.id <- c("ENSMUSG00000028901.1", "ENSMUSG00000051910.2", "ENSMUSG00000051390.3", "ENSMUSG00000051390.3", "ENSMUSG00000051399.3")gene.ens.id <- gsub("\\..*", "", gene.ens.id)gene.id <- AnnotationDbi::select(org.Mm.eg.db, keytype = "ENSEMBL", keys = gene.ens.id, columns = c("ENTREZID", "SYMBOL", "GENENAME"))------------------------------------------------------------------------------------------------------------------
> gene.idENSEMBL ENTREZID SYMBOL GENENAME
1 ENSMUSG00000028901 56809 Gmeb1 glucocorticoid modulatory element binding protein 1
2 ENSMUSG00000051910 20679 Sox6 SRY (sex determining region Y)-box 6
3 ENSMUSG00000051390 81630 Zbtb22 zinc finger and BTB domain containing 22
4 ENSMUSG00000051390 81630 Zbtb22 zinc finger and BTB domain containing 22
5 ENSMUSG00000051399 <NA> <NA> <NA>
biomaRt 转换
上面两种借助于的AnnotationDb注释包的数据进行的转换，限于版本，可能有些id转换不成功。使用biomaRt 可以获取Ensembl 上更新的数据。也可以直接用带版本号的id进行转换查询
### 先安装
if (!requireNamespace("BiocManager", quietly = TRUE))install.packages("BiocManager")BiocManager::install("biomaRt")library(biomaRt)### 设置查询数据库和数据集
ensembl <- useEnsembl(biomart = "genes", dataset = "mmusculus_gene_ensembl")
数据库和数据集选择
listEnsembl() # 列出可使用数据库，基因id转换的选择genes
## biomart version
##1 genes Ensembl Genes 104
##2 mouse_strains Mouse strains 104
##3 snps Ensembl Variation 104
##4 regulation Ensembl Regulation 104datasets <- listDatasets(ensembl) ## # 列出数据集，
### 一共200多一点，按照首字母排序的，还是容易找到想要的物种
###，Mouse选择 mmusculus_gene_ensembl
### 人的选择hsapiens_gene_ensembl
head(datasets)## dataset description version
## 1 abrachyrhynchus_gene_ensembl Pink-footed goose genes (ASM259213v1) ASM259213v1
## 2 acalliptera_gene_ensembl Eastern happy genes (fAstCal1.2) fAstCal1.2
## 3 acarolinensis_gene_ensembl Green anole genes (AnoCar2.0v2) AnoCar2.0v2
## 4 acchrysaetos_gene_ensembl Golden eagle genes (bAquChr1.2) bAquChr1.2
## 5 acitrinellus_gene_ensembl Midas cichlid genes (Midas_v5) Midas_v5
## 6 amelanoleuca_gene_ensembl Giant panda genes (ASM200744v2) ASM200744v2
查询ID，转换ID
## 小鼠转录本ID为例
mm_tran_id_version <- c("ENSMUST00000192336.2", "ENSMUST00000192692.2", "ENSMUST00000191939.2", "ENSMUST00000156816.7", "ENSMUST00000045689.14", "ENSMUST00000115538.5")
mm_tran_id <- gsub("\\..*", "", mm_tran_id_version)mme_gene_anno <- getBM(attributes=c("ensembl_transcript_id","ensembl_gene_id","external_gene_name"),filters = "ensembl_transcript_id",values = mm_tran_id, mart = ensembl)
mme_gene_anno
-------------------------------------------------------------------------------- ensembl_transcript_id ensembl_gene_id external_gene_name
1 ENSMUST00000045689 ENSMUSG00000033845 Mrpl15
2 ENSMUST00000115538 ENSMUSG00000033845 Mrpl15
3 ENSMUST00000156816 ENSMUSG00000033845 Mrpl15
4 ENSMUST00000191939 ENSMUSG00000025902 Sox17
5 ENSMUST00000192336 ENSMUSG00000104017 Gm37363
6 ENSMUST00000192692 ENSMUSG00000102331 Gm19938
getBM 参数说明：
- attributes 想转换的属性
- filters 作为输入的属性，上面就以转录本ID作为属性查询
- values 输入的filters属性的值
attributes = listAttributes(ensembl)
attributes[1:5,]
## name description page
## 1 ensembl_gene_id Gene stable ID feature_page
## 2 ensembl_gene_id_version Gene stable ID version feature_page
## 3 ensembl_transcript_id Transcript stable ID feature_page
## 4 ensembl_transcript_id_version Transcript stable ID version feature_page
## 5 ensembl_peptide_id Protein stable ID feature_page## 以带“version”的属性进行查询，是可以直接用带版本号id进行查询的
mme_gene_anno <- getBM(attributes=c("ensembl_transcript_id_version","ensembl_gene_id","external_gene_name"),filters = "ensembl_transcript_id_version", values = mm_tran_id_version, mart = ensembl) mme_gene_anno
------------------------------------------ ensembl_transcript_id_version ensembl_gene_id external_gene_name
1 ENSMUST00000045689.14 ENSMUSG00000033845 Mrpl15
2 ENSMUST00000115538.5 ENSMUSG00000033845 Mrpl15
3 ENSMUST00000156816.7 ENSMUSG00000033845 Mrpl15
4 ENSMUST00000191939.2 ENSMUSG00000025902 Sox17
5 ENSMUST00000192336.2 ENSMUSG00000104017 Gm37363
参考
http://asia.ensembl.org/info/genome/stable_ids/index.html
http://yulab-smu.top/clusterProfiler-book/chapter5.html#go-over-representation-test
Accessing Ensembl annotation with biomaRt (bioconductor.org)
吐槽
某复杂书那s.b的审核机制。最早，这篇文章发表在那上面。一开始内容只有select何bitr两个转换方法，也是过审了。昨天我添加了biomaRt的转换方式后，稍改了下整体格式。然后居然给锁定了。
我查看了锁文规则我都没有犯啊！
一天只能发表两篇，文章只能申诉两次。我觉得好s。b的规则啊。我把biomaRt的内容删去后，再重新发表一篇新的文章，也是不过审。。。。
不用复杂书这玩意了。
Ensemble ID格式及转换相关推荐
- 生物信息学之rnaseq转录组分析流程--转换文件中的ensemble id到gene名
生物信息学之rnaseq转录组分析--转换文件中的ensemble id到gene名 如何解决转录组分析中count之后遇到ensemble id的问题 一个将ensemble id转换成gene名的 ...
- UTF-8, Unicode, GB2312格式串转换之C语言版
原住址:http://www.cnitblog.com/wujian-IT/archive/2007/12/13/37671.html /* author: wu.j ...
- utf8转gb2312 c语言,UTF-8, Unicode, GB2312格式串转换之C语言版
(申明:此文章属于原创,若转载请表明作者和原处链接 ) /* author: wu.jian (吴剑) English name: Sword /* date: ...
- （继续搬）struts日期格式的转换以及hibernate中session的关闭在xml中的配置
1.struts日期格式的转换package cn.sxx.utils;import java.text.ParseException; import java.text.SimpleDateForm ...
- 有关于格式的转换（时间、各种类型、集合、Json之间）
作为一名开发人员,从前端 接收到各种各样的数据需要转变成为我们所用的格式,比如前端如果传来一个date,那我们需要获取到之后进行一系列的操作,那接下来就分成几块来记录关于格式的转换. 一.时间的转换 ...
- 太赞了！Python竟可以轻松实现音频格式无损转换
太赞了!Python竟可以轻松实现音频格式无损转换 </h1><div class="clear"></div><div class=&q ...
- C#常用日期格式处理转换
转!!!!!C#常用日期格式处理转换[C#日期格式转换大全] 2011-04-20 13:39 有时候我们要对时间进行转换,达到不同的显示效果 默认格式为:2005-6-6 14:33:34 如果要换 ...
- xBIM 格式之间转换
目录 xBIM 应用与学习 (一) xBIM 应用与学习 (二) xBIM 基本的模型操作 xBIM 日志操作 XBIM 3D 墙壁案例 xBIM 格式之间转换 xBIM 使用Linq 来优化查询 x ...
- SQL联合查询及SQL语句中日期格式的转换
SQL 三表联合查询用法 及 如何将日期数据的格式进行转换 1.1 SQL三表联合查询 如下三张表 表1–TableName1 NAME AGE amy 18 表B-TableName2 NAME I ...
最新文章
- 利用apache自带的工具 分割访问日志
- 处理大并发之一 对epoll的理解，epoll客户端服务端代码
- 我们公司今天组织去清远漂流，哈哈！
- 电热耦合_作者特稿︱电网运行环境下基于电热耦合潮流的架空线路应力预估
- Java 算法 礼物分配
- 降维系列之 SNE与t-SNE
- 和平精英微信和qq不是一个服务器,和平精英qq和微信能一起玩吗 qq微信数据互通吗...
- c语言编程矩阵范数,矩阵2范数计算 这个二阶矩阵的二范数怎么
- 功能测试常见的测试方法有哪些？
- 携程python面试题_Python求解啤酒问题（携程2016笔试题）
- 12月21诛仙服务器维护,【12月31日】全服停机更新维护公告
- PS4常用DNS一览 PSN下载速度慢登录失败解决办法
- 土库曼人纳德沙为什么选择波斯一方与奥斯曼人作战？
- 生活随记-剪纸与父子
- 动态生成网站地图sitemap.xml
- [转]加盐hash保存密码的正确方式
- 《UNIX环境高级编程(第3版)》
- CCleaner注册码
- 印度人才出口：一半美国科技企业CEO是印度裔 | 数据分析中印青年
- Hello Lyq And Xj