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！

这是我的样本数据（ df[1:2,] ）：

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

我想得到这样的东西

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！ 因为没有什么可以补充的！

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)

另外，您真正要寻找的是hgnc_symbol

这是获取输出的总代码：

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）。

如果尚未安装，请通过运行以下命令安装软件包： 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"))

用于转换的其他可用 R 包/基因数据库可以参考这个 GitHub 页面。

我在bioinformatics.stackexchange 中对类似问题的回答。

Answer 3

我可以推荐R package gprofiler2 ，如下所示：

library(gprofiler2)

定义 Ensembl ID：

ensembl.genes <- c("ENSG00000150676", "ENSG00000099308", "ENSG00000142676", "ENSG00000180776", "ENSG00000108848", "ENSG00000277370", "ENSG00000103811", "ENSG00000101473")

转换为基因符号：

gene.symbols <- gconvert(ensembl.genes,organism="hsapiens",target="ENTREZGENE",filter_na = F)$target