前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >使用R语言获取人类所有基因的名字,ID,symbol以及别名

使用R语言获取人类所有基因的名字,ID,symbol以及别名

作者头像
生信技能树
发布2018-07-27 10:08:10
3.1K0
发布2018-07-27 10:08:10
举报
文章被收录于专栏:生信技能树生信技能树

首先肯定是需要自行搜索了解 entrez gene ID, HUGO symbol, refseq ID, ensembl ID 这些专有名词咯。

然后直接把下面的代码运行一下,把输出的all_gene_bioconductor.html文件好好看看, 就明白了。

代码语言:javascript
复制
rm(list=ls())
library(org.Hs.eg.db)
eg2symbol=toTable(org.Hs.egSYMBOL)
eg2name=toTable(org.Hs.egGENENAME)
eg2alias=toTable(org.Hs.egALIAS2EG)
eg2alis_list=lapply(split(eg2alias,eg2alias$gene_id),function(x){paste0(x[,2],collapse = ";")})
GeneList=mappedLkeys(org.Hs.egSYMBOL)
if( GeneList[1] %in% eg2symbol$symbol ){
  symbols=GeneList
  geneIds=eg2symbol[match(symbols,eg2symbol$symbol),'gene_id']
}else{
  geneIds=GeneList
  symbols=eg2symbol[match(geneIds,eg2symbol$gene_id),'symbol']
}
geneNames=eg2name[match(geneIds,eg2name$gene_id),'gene_name']
geneAlias=sapply(geneIds,function(x){ifelse(is.null(eg2alis_list[[x]]),"no_alias",eg2alis_list[[x]])})

createLink <- function(base,val) {
   sprintf('<a href="%s" class="btn btn-link" target="_blank" >%s</a>',base,val) 
    ##  target="_blank" 
}
gene_info=data.frame(   symbols=symbols,
                        geneIds=createLink(paste0("http://www.ncbi.nlm.nih.gov/gene/",geneIds),geneIds),
                        geneNames=geneNames,
                        geneAlias=geneAlias,
                        stringsAsFactors = F
) 
#library("xtable") 
#print(xtable(gene_info), type="html",include.rownames=F, file='all_gene.anno',sanitize.text.function = force)
file='all_gene_bioconductor.html'
y <- DT::datatable(gene_info,escape = F,rownames=F)
DT::saveWidget(y,file)

在输出的文件里面可以搜索:

可以看到,有趣的是 ERBB1家族的 ERBB1的正式名字就是大名鼎鼎的EGFR, 而 大名鼎鼎的HER-2 正式名字却是ERBB2

搞笑 !

其实基因名总是让我困惑,可能是我生物学基础知识不够扎实,比如

  • SMARCA4 (BRG1; Santa Cruz Biotechnology, sc-17796, 1:300 dilution)
  • SMARCC2 (BAF170; Bethyl Laboratories, A301-039A, 1:1,000 dilution)
  • SMARCD1 (BAF60A; Bethyl Laboratories, A301-595A, 1:3,000 dilution), SMARCE1 (BAF57; Bethyl Laboratories, A300-810A, 1:3,000 dilution), SMARCB1 (SNF5; Bethyl Laboratories, A301-087A, 1:5,000 dilution), ACTL6A (BAF53A; Bethyl Laboratories, A301-391A, 1:3,000 dilution)

都是 SWI/SNF Related, Matrix Associated, Actin Dependent Regulator Of Chromatin,我是在genecard里面 检查 SMARC发现的

http://www.genecards.org/Search/Keyword?queryString=SMARC

但是大部分文章里面却总是使用它们的别名。

当然了,本文的重点应该是上述代码输出的all_gene_bioconductor.html文件,理解了这个文件如何输出的,你的R语言就过关了!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-07-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 生信技能树 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档