从ensembl_gene_id获取hgnc_symbol / gene_name

Question

我有以下代码（来自此处 ）：

library('biomaRt')
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))
genes <- rownames(res)
G_list <- getBM(filters= "ensembl_gene_id", attributes=c("ensembl_gene_id","entrezgene", "description","hgnc_symbol"),values=genes,mart= mart)

但是当我检查G_list时 ： 它是空的。

我了解原因：

这里是我的ensembl_gene_id 基因的一些示例：

"ENSG00000260727.1", "ENSG00000277521.1", "ENSG00000116514.16"

如果我将此ID赋予getBM（） ，则它不返回任何内容。

但是，如果我删除像这样的点和点之后的数字：

"ENSG00000260727", "ENSG00000277521", "ENSG00000116514"

我得到了预期的结果。

有没有一种方法可以给gene_ID加分并获得预期结果？

Answer 1

不是答案，而是评论时间太长； 如果认为不合适，请乐意删除。

简而言之，是的，您需要删除Ensembl基因名称的“点数字”部分。 这些数字表示与稳定的Ensembl标识符关联的不同版本号。

从Ensembl文档中获得有关稳定ID的信息 ：

在重新注释之间重新分配稳定标识符时，我们可以选择增加分配给稳定标识符的版本号。 我们这样做是为了指示实体中的潜在变化。

对于基因（即ENSG*形式的Ensembl标识符），当与基因链接的一组转录本发生变化时，版本号会增加。

实际上，该帖子是有关Biostars的帖子的重复： 问题：使用点后缀映射Ensembl基因ID ； 您应该看看其中讨论过的一些R解决方案。

---

后记

与其使用Biomart，不如使用Bioconductor中的某些现有注释包，通常更好/更快。 例如看一下

• Johannes Rainer维护的基于Ensembl的注释包EnsDb.Hsapiens.v86
• 主要基于Entrez基因的全基因组注释包org.Hs.eg.db
• 广bitr宇的bitr功能。 它曾经是一个独立的程序包，但被同一作者吸收到clusterProfiler ，并提供了“通用生物ID转换器”功能。