ID转换大全

实际上掌握了编程的思维,任何一门语言都可以做id转换! 对于初学者来说,这个是非常实用的一个,很多人当初就是因为要做这个转换,才慢慢走入了编程的道路。 使用大部分软件的时候,第一步就是文件数据准备,基本上都是数据的拆分和整合,这个拿id转换做基础练习也挺好的! 本来应该作为第一讲,但是当初认为太基础了,而忽略掉了,放在这里也好,大部分同学已经跟我们学习两个月了,可以拿这个题目来检验自己的水平了! ID转换简单来说,就是找到对应关系表,然后用hash或者字典对应一下即可。但也可以很复杂:

为什么要转换id? 有多少种ID? 什么id权威? id是一一对应的吗? ID是什么生信组织维护? id有版本吗? id一定正确吗? 什么情况下选择什么id? 不同数据库下载的id对应表一定一样吗?

你们看我的博客,就知道,我是如何重视ID转换的:

用R的shiny包写一个基因的ID转换小程序 gene的各种ID转换终结者-bioconductor系列包 gene的symbol与entrez ID并不是绝对的一一对应的 还有论坛里面的:生信人必须了解的各种ID表示方式

当然,我们时间有限,不可能面面俱到,很多东西都是需要自己去慢慢挖掘的! 需要集中学习的是 entrez gene ID, HUGO symbol, refseq ID, ensembl ID 作业,就是用perl,python,R 来把1~1000 这1000个 entrez gene ID转为另外3个吧,如果该entrez gene ID不存在,就不用转了。 请自己下载基因ID的对应关系文件,参考http://www.bio-info-trainee.com/75.html 最后: 请务必把下面的代码运行一下,把输出的all_gene_bioconductor.html文件好好看看!

  1. rm(list=ls())
  2. library(org.Hs.eg.db)
  3. eg2symbol=toTable(org.Hs.egSYMBOL)
  4. eg2name=toTable(org.Hs.egGENENAME)
  5. eg2alias=toTable(org.Hs.egALIAS2EG)
  6. eg2alis_list=lapply(split(eg2alias,eg2alias$gene_id),function(x){paste0(x[,2],collapse = ";")})
  7. GeneList=mappedLkeys(org.Hs.egSYMBOL)
  8. if( GeneList[1] %in% eg2symbol$symbol ){
  9. symbols=GeneList
  10. geneIds=eg2symbol[match(symbols,eg2symbol$symbol),'gene_id']
  11. }else{
  12. geneIds=GeneList
  13. symbols=eg2symbol[match(geneIds,eg2symbol$gene_id),'symbol']
  14. }
  15. geneNames=eg2name[match(geneIds,eg2name$gene_id),'gene_name']
  16. geneAlias=sapply(geneIds,function(x){ifelse(is.null(eg2alis_list[[x]]),"no_alias",eg2alis_list[[x]])})
  17. createLink <- function(base,val) {
  18. sprintf('<a href="%s" class="btn btn-link" target="_blank" >%s</a>',base,val) ##target="_blank"
  19. }
  20. gene_info=data.frame( symbols=symbols,
  21. geneIds=createLink(paste0("http://www.ncbi.nlm.nih.gov/gene/",geneIds),geneIds),
  22. geneNames=geneNames,
  23. geneAlias=geneAlias,
  24. stringsAsFactors = F
  25. )
  26. #library("xtable")
  27. #print(xtable(gene_info), type="html",include.rownames=F, file='all_gene.anno',sanitize.text.function = force)
  28. file='all_gene_bioconductor.html'
  29. y <- DT::datatable(gene_info,escape = F,rownames=F)
  30. DT::saveWidget(y,file)

排版有点麻烦,请直接点击阅读原文去查看吧~~~

PS:这个代码非常经典,值得大家用心学习

本文分享自微信公众号 - 生信技能树(biotrainee),作者:x2yline

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-03-15

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 七步走纯R代码通过数据挖掘复现一篇实验文章(第1到6步)

    提高数据清洗的能力,将会很大程度的提高你做分析数据的速度,可能有的人还是习惯用Excel来清洗数据,但是我建议能用代码的尽量用代码解决,数据清洗思路也很重要,一...

    生信技能树
  • 生信菜鸟团博客2周年精选文章集(4)NCBI数据库的几个探索

    目录如下: 生信人必学ftp站点之NCBI-GEO 脚本作业-解读NCBI的ftp里面关于人的一些基因信息 NCBI的taxid简单介绍 NCBI的基因entr...

    生信技能树
  • 用GenePred注释文件进行数据分析

    编者注:前几天在生信技能树我们发现了一个神奇的帖子(http://www.biotrainee.com/thread-928-1-1.html ), 作者用一种...

    生信技能树
  • 获取数据字典

     表结构信息查询 SELECT      TableName=CASE WHEN C.column_id= THEN O.name ELSE N'' END,...

    阿新
  • MySQL复制的奇怪问题跟进

    没想到今天在做压力测试的时候,又碰到了类似的问题,这个问题的紧要程度要排上了日程。

    jeanron100
  • 学习|Android属性动画的基础介绍

    最近在产品迭代中发现有些系统的提示不够醒目,让用户容易忽略,为了不影响原来的界面布局,所以考虑到用动画的效果来加大提醒的效果,正好以前也没用到过动画这块,所谓边...

    Vaccae
  • 真假唯一数

    在真实的业务中生成唯一数是常见的功能,也是面试必考题。今天说说在面试过程中面试官在问这个问题时最想得到怎样的答案。

    sibenx
  • PHP使用elasticsearch搜索安装及分词方法

    那mysql匹配的时候是like模糊匹配,搜索必须要有SQL注入这四个字,连续的才能查找到那这样会不太方便。

    汤青松
  • SQL Server为啥使用了这么多内存?

    原文地址:http://support.microsoft.com/gp/anxin_techtip6/zh-cn

    Edison Zhou
  • Android实现类似京东商品分类效果(RecyclerView+fragment)

    最近做项目需求的时候,需要实现类似京东的商品分类。网上看了很多都是通过listview+fragment实现,个人比较习惯使用RecyclerView,所以就通...

    SoullessCoder

扫码关注云+社区

领取腾讯云代金券