如何将 Ensembl ID 转换为 R 中的基因符号？

Question

我有一个 data.frame，其中一列包含 Ensembl ID；我想找到该列值的相应基因符号，并将它们添加到我的数据框中的新列中。 我使用了 bioMaRt，但它找不到任何 Ensembl ID！

这是我的示例数据（

df[1:2,]

）：

row.names organism    gene
41  Homo-Sapiens ENSP00000335357
115 Homo-Sapiens ENSP00000227378

我想要得到这样的东西

row.names organism    gene         id
41  Homo-Sapiens ENSP00000335357   CDKN3
115 Homo-Sapiens ENSP00000227378   HSPA8

这是我的代码：

library('biomaRt')
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
genes <- df$genes
df$id <- NA
G_list <- getBM(filters= "ensembl_gene_id", attributes= c("ensembl_gene_id",
"entrezgene", "description"),values=genes,mart= mart)

然后当我检查 G_list 时我得到了这个

[1] ensembl_gene_id entrezgene      description  <0 rows> (or 0-length row.names)

所以我无法将 G_list 添加到我的 df 中！因为没有什么可补充的！

Answer 1

这是因为

gene

列中的值不是基因 ID，而是肽 ID（以 ENSP 开头）。要获取您需要的信息，请尝试将

ensembl_gene_id

替换为

ensembl_peptide_id

：

G_list <- getBM(filters = "ensembl_peptide_id", 
                attributes = c("ensembl_peptide_id", "entrezgene", "description"),
                values = genes, mart = mart)

此外，您真正寻找的是

hgnc_symbol

这是获取输出的总代码：

library('biomaRt')
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
genes <- df$genes
df<-df[,-4]
G_list <- getBM(filters= "ensembl_peptide_id", attributes= c("ensembl_peptide_id","hgnc_symbol"),values=genes,mart= mart)
merge(df,G_list,by.x="gene",by.y="ensembl_peptide_id")

Answer 2

我尝试了几个R包（mygene、org.Hs.eg.db、biomaRt、EnsDb.Hsapiens.v79）将Ensembl.gene转换为gene.symbol，发现EnsDb.Hsapiens.v79包/基因数据库提供了最佳转换质量（就能够将大部分 Ensembl.gene 转换为 Gene.symbol 而言）。

如果尚未安装，请运行以下命令安装该软件包： BiocManager::install("EnsDb.Hsapiens.v79")

library(EnsDb.Hsapiens.v79)

# 1. Convert from ensembl.gene to gene.symbol
ensembl.genes <- c("ENSG00000150676", "ENSG00000099308", "ENSG00000142676", "ENSG00000180776", "ENSG00000108848", "ENSG00000277370", "ENSG00000103811", "ENSG00000101473")

geneIDs1 <- ensembldb::select(EnsDb.Hsapiens.v79, keys= ensembl.genes, keytype = "GENEID", columns = c("SYMBOL","GENEID"))

# 2. Convert from gene.symbol to ensembl.gene
geneSymbols <-  c('DDX26B','CCDC83',  'MAST3', 'RPL11', 'ZDHHC20',  'LUC7L3',  'SNORD49A',  'CTSH', 'ACOT8')

geneIDs2 <- ensembldb::select(EnsDb.Hsapiens.v79, keys= geneSymbols, keytype = "SYMBOL", columns = c("SYMBOL","GENEID"))

其他可用的R包/基因数据库用于转换可以参考这个GitHub页面。

我在bioinformatics.stackexchange中对类似问题的回答。

Answer 3

我可以推荐

R

套餐

gprofiler2

，如下所示：

library(gprofiler2)

定义 Ensembl ID：

ensembl.genes <- c("ENSG00000150676", "ENSG00000099308", "ENSG00000142676", "ENSG00000180776", "ENSG00000108848", "ENSG00000277370", "ENSG00000103811", "ENSG00000101473")

转换为基因符号：

gene.symbols <- gconvert(ensembl.genes,organism="hsapiens",target="ENTREZGENE",filter_na = F)$target

Answer 4

如果我的查询是一长串无法像这样写出来的集合基因 ID，你知道我如何通过其 txt 文件或 r 环境中的数据集将其输入为我的查询吗？