数据挖掘—使用babelgene进行不同物种间的基因映射
数据挖掘—使用babelgene进行不同物种间的基因映射
目前常见的分析主要涉及3个物种，即人类、小鼠、大鼠，3者在基因名书写上存在一定特点
- 人类基因的缩写符号是全部大写
- 小鼠基因和大鼠基因的缩写符号是首字母大写
- 小鼠基因和大鼠基因在书写规范上完全一致，包括基因全称、基因缩写符号和蛋白质名称的书写方式。
多数情况下，如将小鼠基因映射到人类基因，只需将其基因（首字母大写）改为全部大写即可，但有时也会有差异，这里介绍使用使用babelgene进行不同物种间的基因映射
1 babelgene介绍
babelgene 是一个用于在人类和非人类基因同源物/正交物之间进行转换的 R 包，以下是关于它的详细介绍：
功能特点
- 多物种支持：提供多种常见模式生物的基因正交物/同源物，如小鼠、大鼠、果蝇和斑马鱼等。
- 多数据库整合：整合了来自多个数据库的正交性断言预测结果，这些数据库包括 EggNOG、Ensembl、HGNC、HomoloGene、Inparanoid、NCBI、OMA、OrthoDB、OrthoMCL、Panther、PhylomeDB、Treefam 和 ZFIN。
- 多种基因标识符支持：支持以基因符号、NCBI Entrez 和 Ensembl ID 等形式提供基因正交物/同源物。
- 无需联网：使用时无需访问外部资源，不需要活跃的互联网连接。
- 数据格式友好：以 R 友好的“tidy”格式输出，每行包含一对基因。
主要函数
- orthologs()：这是该包的核心函数，用于检索基因的正交物/同源物。它可以将人类基因转换为非人类物种的对应基因，也可以将非人类物种的基因转换为人类基因。该函数的参数包括：
- genes：基因符号或 Entrez/Ensembl ID 的向量
- species：物种名称，如 Mus musculus 或 mouse
- human：逻辑标量，指示输入基因是否为人类基因。如果为 TRUE，则输入基因是人类基因；如果为 FALSE，则输入基因对应于非人类物种，输出将是人类等价物
- min_support：支持的最小源数据库数量。该包中的基因对由 2 到 12 个数据库支持（最大值因物种而异）
- top：如果一个基因有多个匹配项，则仅输出支持级别最高的匹配项
- species()：用于列出可用的物种
安装与使用
- 安装：可以直接从 CRAN 安装该包，命令为install.packages("babelgene")
- 示例：获取一组人类基因的小鼠等价物
library(babelgene)
orthologs(genes = c("TP53", "EGF"), species = "mouse")2 实战
最近分析了一个数据集（物种：小鼠），因为后面要将其差异基因与Genecard等数据库基因取交集，所以使用babelgene进行小鼠基因到人源基因的映射
代码语言：r复制#GEO
gene_up <-data.table::fread("Case/GSE246623/GSE246623_up_gene.csv",
data.table = F)
gene_up <- gene_up$V1
length(gene_up)#160
gene_down <-data.table::fread("Case/GSE246623/GSE246623_down_gene.csv",
data.table = F)
gene_down <- gene_down$V1
length(gene_down)#259
GSE246623_gene <- unique(c(gene_up,gene_down))
#基因映射
#human = FALSE 表示输入的基因是小鼠基因，需要转换为人类基因
human_genes <- orthologs(genes = GSE246623_gene, species = "mouse", human = FALSE)
#文件保存
write.csv(human_genes, file = "GSE246623_human_genes.csv", row.names = FALSE)注：
- 数据完整性：如果某些小鼠基因没有对应的人类基因，转换结果中可能会出现缺失值（NA）。可以使用 na.omit() 函数去除这些缺失值。此例中小鼠基因为419个，成功映射的有369个
- 支持数据库数量：babelgene 包整合了多个数据库的预测结果，可以通过 min_support 参数设置支持的最小数据库数量。
发布评论