Bioconductor注释专题：用R获取芯片探针与基因的对应关系

今天要讲的是如何用R的bioconductor包来得到芯片探针与基因的对应关系~

一般重要的芯片在R的bioconductor里面都是有包的，不同的芯片对应不同的包，常见的物种如下：

先安装AnnotationDbi

source("http://bioconductor.org/biocLite.R") biocLite("AnnotationDbi")

以hgu95av2.db为例，下载对应的数据库

biocLite("hgu95av2.db")

然后载入这两个包

library(AnnotationDbi)
library(hgu95av2.db)

看下数据库的信息~

> hgu95av2.db ChipDb object: | DBSCHEMAVERSION: 2.1| Db type: ChipDb | Supporting package: AnnotationDbi | DBSCHEMA: HUMANCHIP_DB | ORGANISM: Homo sapiens | SPECIES: Human | MANUFACTURER: Affymetrix | CHIPNAME: Human Genome U95 Set | MANUFACTURERURL: http://www.affymetrix.com/support/technical/byproduct.affx?product=hgu95 | EGSOURCEDATE: 2015-Sep27 | EGSOURCENAME: Entrez Gene | EGSOURCEURL: ftp://ftp.ncbi.nlm.nih.gov/gene/DATA | CENTRALID: ENTREZID | TAXID: 9606| GOSOURCENAME: Gene Ontology | GOSOURCEURL: ftp://ftp.geneontology.org/pub/go/godatabase/archive/latest-lite/ | GOSOURCEDATE: 20150919| GOEGSOURCEDATE: 2015-Sep27 | GOEGSOURCENAME: Entrez Gene | GOEGSOURCEURL: ftp://ftp.ncbi.nlm.nih.gov/gene/DATA | KEGGSOURCENAME: KEGG GENOME | KEGGSOURCEURL: ftp://ftp.genome.jp/pub/kegg/genomes | KEGGSOURCEDATE: 2011-Mar15 | GPSOURCENAME: UCSC Genome Bioinformatics (Homo sapiens) | GPSOURCEURL: ftp://hgdownload.cse.ucsc.edu/goldenPath/hg19 | GPSOURCEDATE: 2010-Mar22 | ENSOURCEDATE: 2015-Jul16 | ENSOURCENAME: Ensembl | ENSOURCEURL: ftp://ftp.ensembl.org/pub/current_fasta | UPSOURCENAME: Uniprot | UPSOURCEURL: http://www.uniprot.org/ | UPSOURCEDATE: Thu Oct  1 23:31:58 2015Please see: help('select') for usage information

库所包含的内容及可以作为检索键的列分别可以用columns命令和keytypes命令查看：

> columns(hgu95av2.db)
 [1] "ACCNUM"       "ALIAS"        "ENSEMBL"     
 [4] "ENSEMBLPROT"  "ENSEMBLTRANS" "ENTREZID"    
 [7] "ENZYME"       "EVIDENCE"     "EVIDENCEALL" 
 [10] "GENENAME"     "GO"           "GOALL"      
 [13] "IPI"          "MAP"          "OMIM"      
 [16] "ONTOLOGY"     "ONTOLOGYALL"  "PATH"       
 [19] "PFAM"         "PMID"         "PROBEID"    
 [22] "PROSITE"      "REFSEQ"       "SYMBOL"     
 [25] "UCSCKG"       "UNIGENE"      "UNIPROT"     
> keytypes(hgu95av2.db)
 [1] "ACCNUM"       "ALIAS"        "ENSEMBL"     
 [4] "ENSEMBLPROT"  "ENSEMBLTRANS" "ENTREZID"    
 [7] "ENZYME"       "EVIDENCE"     "EVIDENCEALL" 
 [10] "GENENAME"     "GO"           "GOALL"       
 [13] "IPI"          "MAP"          "OMIM"        
 [16] "ONTOLOGY"     "ONTOLOGYALL"  "PATH"        
 [19] "PFAM"         "PMID"         "PROBEID"     
 [22] "PROSITE"      "REFSEQ"       "SYMBOL"     
 [25] "UCSCKG"       "UNIGENE"      "UNIPROT"

要是想要看上面的具体某一列的内容可以用key

> head(keys(hgu95av2.db, keytype="SYMBOL")) [1] "A1BG"  "A2M"   "A2MP1" "NAT1"  "NAT2"  "NATP"

最后，要是我们有一些PROBEID需要转换成SYMBOL，可以这么做：

> # 取一些PROBEID
> k <- head(keys(hgu95av2.db,keytype="PROBEID"))
> # 用select进行选择
> select(hgu95av2.db, keys=k, columns=c("SYMBOL"), keytype="PROBEID")
'select()' returned 1:1 mapping between keys and
columns
    PROBEID  SYMBOL
1   1000_at   MAPK3
2   1001_at    TIE1
3   1002_f_at CYP2C19
4   1003_s_at   CXCR5
5   1004_at   CXCR5
6   1005_at   DUSP1

select需要先指定你要使用的数据库，我们这里就是hgu95av2.db，接下来的keys参数是要检索的key，可以是所有id，或是感兴趣的id的列表。columns给出的是你要检索的对应内容，我们这里是根据id来检索基因的symbol，因此在columns参数中只指定了这一项。

• 参考：

• http://bioconductor.org/packages/2.12/bioc/vignettes/AnnotationDbi/inst/doc/IntroToAnnotationPackages.pdf

• http://blog.chinaunix.net/uid-12084847-id-3851353.html

• http://www.bio-info-trainee.com/1399.html
  

---

猜你喜欢

还有更多文章，请移步公众号阅读

▼ 如果你生信基本技能已经入门，需要提高自己，请关注下面的生信技能树，看我们是如何完善生信技能，成为一个生信全栈工程师。

▼ 如果你是初学者，请关注下面的生信菜鸟团，了解生信基础名词，概念，扎实的打好基础，争取早日入门。