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 >生信基础 | 人-小鼠基因之间的比较

生信基础 | 人-小鼠基因之间的比较

作者头像
DoubleHelix
发布2021-09-29 15:32:52
1.1K0
发布2021-09-29 15:32:52
举报
文章被收录于专栏:生物信息云生物信息云

接前文:生信基础 | 人-小鼠同源基因之间的转换

先看看MSigDB中的基因ENTREZID是否可以全部转化为SYMBOL。

代码语言:javascript
复制
library(biomaRt)
library(clusterProfiler)
library(org.Hs.eg.db)
library(org.Mm.eg.db)
library(AnnotationDbi)
load("F:/BioInfoStudy/data/genesets/mouse_H_v5p2.rdata")
load("F:/BioInfoStudy/data/genesets/human_H_v5p2.rdata")
hsa_ent <- c()
for(x in names(Hs.H)){
  hsa_ent <- c(hsa_ent,Hs.H[[x]])
}
hsa_ent <- unique(hsa_ent)
length(hsa_ent)

hsa_ent2symb <- bitr(hsa_ent,
                     fromType = "ENTREZID",
                     toType = "SYMBOL",
                     OrgDb = org.Hs.eg.db)
dim(hsa_ent2symb)

diff_ent <- setdiff(hsa_ent,hsa_ent2symb$ENTREZID)

ent2symb <- toTable(org.Hs.egSYMBOL)
ent2symb[match(diff_ent,ent2symb$gene_id),]

AnnotationDbi::select(org.Hs.eg.db,
                      keys=diff_ent,columns=c("SYMBOL"),
                      keytype="ENTREZID" )
mget(diff_ent,
     org.Hs.egSYMBOL,
     ifnotfound=NA

通过多种转换方式,发现人的ENTREZID有3个无法找到对应的SYMBOL,NCBI上检索了一下,也没找到这3个基因。

代码语言:javascript
复制
> diff_ent
[1] "285464" "11217"  "80761"

再看看小鼠的。

代码语言:javascript
复制
###--------------------------------------小鼠
mus_ent <- c()
for(x in names(Mm.H)){
  mus_ent <- c(mus_ent,Mm.H[[x]])
}
mus_ent <- unique(mus_ent)
length(mus_ent)

mus_ent2symb <- bitr(mus_ent,
                     fromType = "ENTREZID",
                     toType = "SYMBOL",
                     OrgDb = org.Mm.eg.db)
dim(mus_ent2symb)

diff_ent <- setdiff(mus_ent,mus_ent2symb$ENTREZID)

ent2symb <- toTable(org.Hs.egSYMBOL)
ent2symb[match(diff_ent,ent2symb$gene_id),]

AnnotationDbi::select(org.Hs.eg.db,
                      keys=diff_ent,columns=c("SYMBOL"),
                      keytype="ENTREZID" )

#org.Mm.egMAPCOUNTS
mget(diff_ent,
     org.Mm.egSYMBOL,
     ifnotfound=NA)

居然有15个没有找到对应的symbol。

代码语言:javascript
复制
> diff_ent
 [1] "675165"    "100038993" "100861969" "100043385" "100504735" "105245585" "546061"   
 [8] "625758"    "668131"    "665343"    "667941"    "11641"     "100039053" "100043918"
[15] "100043921"

写一个函数,用于人-小鼠同源基因的转换;

代码语言:javascript
复制
####------------------------------
conversion_BtHsaAndMusGenes <- function(genes,species){
  human <- biomaRt::useMart(biomart = "ENSEMBL_MART_ENSEMBL",
                            dataset = "hsapiens_gene_ensembl")
  mouse <- biomaRt::useMart(biomart = "ENSEMBL_MART_ENSEMBL",
                            dataset = "mmusculus_gene_ensembl")
  if(species == "human"){
    gt <- biomaRt::getLDS(attributes = c("hgnc_symbol"),
                          filters = "hgnc_symbol",
                          values = genes,
                          mart = human,
                          attributesL = c("mgi_symbol"),
                          martL = mouse,uniqueRows = T)
  }else if(species == "mouse"){
    gt <- biomaRt::getLDS(attributes = c("mgi_symbol"),
                          filters = "mgi_symbol",
                          values = genes , mart = mouse,
                          attributesL = c("hgnc_symbol"),
                          martL = human, uniqueRows=T)
  }else{stop("Wrong species information")}
  return(gt)
}

加载我自己从gtf文件读入的所有基因信息进行转换。

代码语言:javascript
复制
load(file = "K:/BioInfoFiles/human/gencode.v35_human_hsaGeneInfo.Rdata")
head(hsaGeneInfo)[1:3,]
# > head(hsaGeneInfo)
# ensembl   symbol      gene_type geneLength
# 1 ENSG00000000003   TSPAN6 protein_coding       4536
# 2 ENSG00000000005     TNMD protein_coding       1476
# 3 ENSG00000000419     DPM1 protein_coding       1207

load(file = "K:/BioInfoFiles//mouse/gencode.vM27_mouse_musGeneInfo.Rdata")
head(musGeneInfo)
# > head(musGeneInfo)[1:4,]
# ensembl symbol      gene_type geneLength
# 1 ENSMUSG00000000001  Gnai3 protein_coding       3262
# 2 ENSMUSG00000000003   Pbsn protein_coding        902
# 3 ENSMUSG00000000028  Cdc45 protein_coding       3506
# 4 ENSMUSG00000000031    H19         lncRNA       2460

###把小鼠基因转换为人的同源基因
m2h <- conversion_BtHsaAndMusGenes(genes = musGeneInfo$symbol,species = "mouse")

head(m2h)
# > head( m2h)[1:2,]
# MGI.symbol HGNC.symbol
# 1    mt-Atp6     MT-ATP6
# 2     mt-Co2      MT-CO2
dim(m2h)
# > dim(m2h)
# [1] 23075     2
###把人基因转换为小鼠的同源基因
h2m <- conversion_BtHsaAndMusGenes(genes = hsaGeneInfo$symbol,species = "human")
h2m[1:2,]
# > h2m[1:2,]
# HGNC.symbol MGI.symbol
# 1      MT-CO2     mt-Co2
# 2      MT-CO1     mt-Co1
dim(h2m)
# > dim(h2m)
# [1] 22714     2

##有重复的
length(unique(m2h$HGNC.symbol))
length(unique(m2h$MGI.symbol))
# > length(unique(m2h$HGNC.symbol))
# [1] 18411
# > length(unique(m2h$MGI.symbol))
# [1] 19308

这里比较MSigDB数据集中小鼠与人基因之间的差异并统计。

代码语言:javascript
复制
statgeneinfo <- data.frame()
identical(names(Hs.H),names(Mm.H))
#gs <- names(Mm.H)[1]
for(gs in names(Mm.H)){
  total_pre_hsa <- length(Hs.H[[gs]])
  total_pre_mus <- length(Mm.H[[gs]])
  hsa_symbol <- bitr(Hs.H[[gs]],
                     fromType = "ENTREZID",
                     toType = "SYMBOL",
                     OrgDb = org.Hs.eg.db)[,2] %>% na.omit()
  total_after_hsa <- length(hsa_symbol)
  mus_symbol <- bitr(Mm.H[[gs]],
                     fromType = "ENTREZID",
                     toType = "SYMBOL",
                     OrgDb = org.Mm.eg.db)[,2] %>% na.omit()
  total_after_mus <- length(mus_symbol)

  hsa_mus_con_g <- intersect(hsa_symbol,m2h[match(mus_symbol,mus_ent2symb$SYMBOL),2])
  hsa_mus_con_len <- length(hsa_mus_con_g)
  hsa_uniq <- total_pre_hsa - hsa_mus_con_len
  mus_uniq <- total_pre_mus - hsa_mus_con_len
  hsa_na <- total_pre_hsa - total_after_hsa
  mus_na <- total_pre_mus - total_after_mus

  info <- data.frame(dataset = gs,
                     total_pre_hsa = total_pre_hsa,
                     total_pre_mus = total_pre_mus,
                     total_after_hsa = total_after_hsa,
                     total_after_mus = total_after_mus,
                     hsa_mus_con_len = hsa_mus_con_len,
                     hsa_uniq = hsa_uniq,
                     mus_uniq = mus_uniq,
                     hsa_na = hsa_na,
                     mus_na = mus_na)
  statgeneinfo <- rbind(statgeneinfo,info)
}

total_pre_hsa和total_pre_mus:原始数据集中的基因个数

total_after_hsa和total_after_mus:进行基因转换后的基因个数

hsa_mus_con_len:人和小鼠共有的基因个数

hsa_uniq和mus_uniq:人和小鼠中各特有的基因个数。

hsa_na和mus_na:未能将ENTREZID转化为SYMBOL的个数



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:2021-09-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 MedBioInfoCloud 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
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