从ensembl_gene_id获取hgnc_symbol / gene_name

Question

我有这个代码（来自here）：

library('biomaRt')
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
genes <- rownames(res)
G_list <- getBM(filters= "ensembl_gene_id", attributes=c("ensembl_gene_id","entrezgene", "description","hgnc_symbol"),values=genes,mart= mart)

但是当我检查G_list时：它是空的。

我理解为什么：

这里有一些基因ensembl_gene_id的例子：

"ENSG00000260727.1", "ENSG00000277521.1", "ENSG00000116514.16"

如果我将此ID提供给getBM（），则不返回任何内容。

但是，如果我删除点之后的数字和这样的点：

"ENSG00000260727", "ENSG00000277521", "ENSG00000116514"

我得到了预期的结果。

有没有办法给gene_ID带点并获得预期的结果？

Answer 1

评论不是答案，但有点太长;如果认为不合适，很乐意删除。

简而言之，是的，您需要删除Ensembl基因名称的“点数”部分。这些数字表示与稳定的Ensembl标识符相关联的不同版本号。

来自the Ensembl documentation on stable IDs：

在重新注释之间重新分配稳定标识符时，我们可以选择增加分配有稳定标识符的版本号。我们这样做是为了表明实体的潜在变化。

对于基因（即形式为ENSG*的Ensembl标识符），当与基因连锁的转录物组改变时，版本号递增。

这篇文章实际上是关于Biostars的帖子的重复：Question: Mapping Ensembl Gene IDs with dot suffix;你应该看看那里讨论的一些R解决方案。

---

后记

而不是使用Biomart，使用一些现有的annotation packages from Bioconductor通常更好/更快。例如，看一看

• 由Johannes Rainer维护的Ensembl based annotation package EnsDb.Hsapiens.v86
• primarily Entrez gene based genome wide annotation package org.Hs.eg.db
• Yu Guangchuang Yu的bitr的功能。它曾经是一个独立的包，但被同一作者吸收到clusterProfiler，并提供“通用生物ID翻译”功能。