什么基因研究最多？？

如果我们想探索一下什么基因研究的最多，那就是检索pubmed数据库资源。在 NCBI的ftp里面关于人的一些基因信息 ：

代码语言：javascript复制

ftp://ftp.ncbi.nlm.nih.gov//gene

下载即可！

其中 gene2pubmed.gz 这个是NCBI的entrez ID号对应着该基因发表过的文章的ID号

代码语言：javascript复制

ftp://ftp.ncbi.nlm.nih.gov//gene/DATA/gene2pubmed.gz

下载后的文件读入，进行词云可视化。

代码语言：javascript复制

library(data.table)
library(wordcloud)
library(org.Hs.eg.db)
g2p <- fread('/data/NCBI/gene2pubmed.gz',data.table = F)
head(g2p)

tb <- as.data.frame(table(g2p$GeneID))
tb <- tb[order(tb$Freq,decreasing = T),]
colnames(tb)[1]='gene_id'
head(tb)
ids=toTable(org.Hs.egSYMBOL)
head(ids)
tbs=merge(ids,tb,by='gene_id')
wordcloud(words = tbs$symbol, freq = tbs$Freq, min.freq = 1,
          max.words=200, random.order=FALSE, rot.per=0.35,
          colors=brewer.pal(8, "Dark2"))

我们发现TP53这个基因研究的最多。

代码语言：javascript复制

tbs <- tbs[order(tbs$Freq,decreasing = T),]
head(tbs)

代码语言：javascript复制

> head(tbs)
      gene_id symbol  Freq
33878    7157   TP53 10539
17376    1956   EGFR  6094
33847    7124    TNF  6072
23610    3569    IL6  4889
34713    7422  VEGFA  4882
23387     348   APOE  4650

参考：

研究最热门的基因是什么

数据库 ftp bi 可视化

0 人点赞