如何将 Ensembl ID 转换为 R 中的基因符号？

Question

我有一个 data.frame 在一列中包含 Ensembl ID；我想为该列的值找到相应的基因符号，并将它们添加到我的数据框中的新列中。我使用了 bioMaRt，但找不到任何 Ensembl ID！

这是我的示例数据 (df[1:2,])：

row.names organism    gene
41  Homo-Sapiens ENSP00000335357
115 Homo-Sapiens ENSP00000227378

我想要这样的东西

row.names organism    gene         id
41  Homo-Sapiens ENSP00000335357   CDKN3
115 Homo-Sapiens ENSP00000227378   HSPA8

这是我的代码：

library('biomaRt')
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
genes <- df$genes
df$id <- NA
G_list <- getBM(filters= "ensembl_gene_id", attributes= c("ensembl_gene_id",
"entrezgene", "description"),values=genes,mart= mart)

然后我在检查 G_list

时得到这个

[1] ensembl_gene_id entrezgene      description  <0 rows> (or 0-length row.names)

所以我无法将 G_list 添加到我的 df 中！因为没有什么要补充的！

提前致谢，

Answer 1

这是因为您在 gene 列中的值不是基因 ID，而是肽 ID（它们以 ENSP 开头）。要获取您需要的信息，请尝试将 ensembl_gene_id 替换为 ensembl_peptide_id:

G_list <- getBM(filters = "ensembl_peptide_id", 
                attributes = c("ensembl_peptide_id", "entrezgene", "description"),
                values = genes, mart = mart)

此外，您真正要寻找的是 hgnc_symbol

这是获取输出的全部代码：

library('biomaRt')
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
genes <- df$genes
df<-df[,-4]
G_list <- getBM(filters= "ensembl_peptide_id", attributes= c("ensembl_peptide_id","hgnc_symbol"),values=genes,mart= mart)
merge(df,G_list,by.x="gene",by.y="ensembl_peptide_id")

Answer 2

我尝试了几个 R 包（mygene、org.Hs.eg.db、biomaRt、EnsDb.Hsapiens.v79）将 Ensembl.gene 转换为 gene.symbol，发现 EnsDb.Hsapiens.v79 包/基因数据库提供了最好的转换质量（就能够将大部分 Ensembl.gene 转换为 gene.symbol 而言）。

如果您还没有通过运行此命令安装软件包，请安装该软件包： BiocManager::install("EnsDb.Hsapiens.v79")

library(EnsDb.Hsapiens.v79)

# 1. Convert from ensembl.gene to gene.symbol
ensembl.genes <- c("ENSG00000150676", "ENSG00000099308", "ENSG00000142676", "ENSG00000180776", "ENSG00000108848", "ENSG00000277370", "ENSG00000103811", "ENSG00000101473")

geneIDs1 <- ensembldb::select(EnsDb.Hsapiens.v79, keys= ensembl.genes, keytype = "GENEID", columns = c("SYMBOL","GENEID"))

# 2. Convert from gene.symbol to ensembl.gene
geneSymbols <-  c('DDX26B','CCDC83',  'MAST3', 'RPL11', 'ZDHHC20',  'LUC7L3',  'SNORD49A',  'CTSH', 'ACOT8')

geneIDs2 <- ensembldb::select(EnsDb.Hsapiens.v79, keys= geneSymbols, keytype = "SYMBOL", columns = c("SYMBOL","GENEID"))

其他可用于转换的R包/基因库可参考this GitHub page。

我对 bioinformatics.stackexchange 中类似问题的回答。

如何将 Ensembl ID 转换为 R 中的基因符号？

How can I convert Ensembl ID to gene symbol in R?

r

dataframe

bioinformatics

bioconductor