前言
在使用kallisto等基于cDNA数据库注释软件时，获得的gene expression matrix的gene id是transcript id。后续在做数据分析时，需要将其转换成gene symbol。以下介绍两种转换方法。
第一种方法
在GitHub上有人开发了可以做该种转换的R包， BUSpaRse提供的transcript2gene函数其实套用了biomart包的useMart函数获取了转录ID与基因ID的对应关系。它方便在直接使用，看起来较为清晰简单。
# devtools::install_github("BUStools/BUSpaRse")
library(BUSpaRse)tr2g <- transcript2gene(c("Homo sapiens", "Mus musculus"), type = "vertebrate",ensembl_version = 100, kallisto_out_path = "./")
第二种方法
直接使用biomart包的useMart函数，在使用前我们先要提取参考基因组的基因ID，为后面基于该基因ID匹配到转录本ID做准备。
- 获取基因组的基因list
cat Homo_sapiens.GRCh38.101.gtf | awk -F'\t' '{if($3=="gene") {split($9,a,";"); print a[1]"\t"$5-$4};}' | sed 's/[gene_id |"|]//g' | sort -u > Homo_sapiens.GRCh38.101.genelength.tsv
- 获取基因ID与转录本ID对应关系表
library(biomaRt)
library(curl)genelist <- read.table("Homo_sapiens.GRCh38.101.genelength.tsv", header = T)
human_mart <- useMart(host="www.ensembl.org", biomart="ENSEMBL_MART_ENSEMBL", dataset = "hsapiens_gene_ensembl")
human_gene_all <- getBM(attributes=c("ensembl_gene_id", "entrezgene_id","external_gene_name", "ensembl_transcript_id", "ensembl_transcript_id_version","transcript_biotype", "description"),filters="ensembl_gene_id",values = genelist$Geneid,mart=human_mart)
Reference
-
transcript2gene usage
-
BUSpaRse github
