使用R语言获取人类所有基因的名字，ID，symbol以及别名

2018-07-27 10:08:10 浏览数 (1)

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！

r语言 大数据

0 人点赞