R语言实现基因详细信息的获取
做生物信息学的同仁应该对基因的名称或者ID 的统一化对处理数据起到了很关键的作用。今天我们就给大家介绍一个R包TxDb.Hsapiens.UCSC.hg19.knownGene。此包集合了UCSC数据库发布的经典的hg19版本基因组所有的基因信息，共有237533个CDS，共有289969个外显子。首先我们看下包的安装，需要通过bioconductoer来安装，有以下两种方式：
###R<3.6
source("http://bioconductor.org/biocLite.R")
biocLite("TxDb.Hsapiens.UCSC.hg19.knownGene")
###R>=3.6
if(!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("TxDb.Hsapiens.UCSC.hg19.knownGene")接下来看下信息的提取：
###包的载入
library(TxDb.Hsapiens.UCSC.hg19.knownGene)
txdb <-TxDb.Hsapiens.UCSC.hg19.knownGene
###整体的数据提取
gene=genes(txdb)#提取23056个基因信息，数据以Grangs格式显示.
exon=exons(txdb) #提取exons信息，共289969个exon。
trans=transcripts(txdb) #提取转录本信息，共82960个转录本。
cds=cds(txdb)#获取cds区域信息，提取到237533个cds信息。以上函数默认情况下都是提取简单的列信息，我们如果需要更多的列信息那就需要设置参数columns。可以设置："gene_id", "tx_id", "tx_name","tx_chrom", "tx_strand", "exon_id","exon_name", "exon_chrom", "exon_strand","cds_id", "cds_name", "cds_chrom","cds_strand" and "exon_rank"。当然有一些局限：
###数据的组合函数
Tran_gene=transcriptsBy(txdb,by="gene")#通过基因分组获取每个基因的转录本信息。分成了23459个元素的list。
Exon_gene=exonsBy(txdb,by="gene")#基于基因进行外显子区域信息获取。
Cds_gene=cdsBy(txdb,by="gene") #基于基因的CDS区域信息获取。
###数据的写出
gene=mcols(gene, use.names=FALSE)#数据转化为data.frame。
write.csv(gene,”gene.csv”)#写出数据通过以上的整理就会得到我们需要的转录本或者外显子位点信息。
欢迎大家互相学习交流！
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：2019-08-29，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读