TCGA | GEO | 文献阅读 | 数据库 | 理论知识
R语言 | Bioconductor | 服务器与Linux
在之前，我介绍过生物学中常听见的各种ID名称【参考文章：常用生物信息 ID的介绍】，然后介绍了这些ID名称之间的转换。【参考文章：生信中各种ID转换】，这些转换通常都是基于同一物种而言，但在基础医学研究中，很多实验模型都是在动物上完成的，比如小鼠。假如我们研究某药物的抗肿瘤效果，涉及到机制，最终都会往人上靠的，一般几个基因，数据库直接查一下就可以啦。但如果基因很多，人工查就不太现实，一般也是测序后的数据。所以在这里我给大家介绍一下，不同物种之间的同源基因名称转换，这种转换是基于物种间基因的同源性的。同源基因是由一个共同祖先在不同物种中遗传的基因。虽然同源基因在序列上是相似的，但相似的序列不一定是同源的。
可能常见的转换是小鼠和人之间的转换，因为小鼠的基因和人的基因的同源性
，约80%的小鼠蛋白质在人类基因组中具有严格的1:1种间同源体，其序列同一性通常介于70%~100%。当然跟人类亲缘关系最近的物种是黑猩猩。
好了，我们正式介绍如何把小鼠的gene ID进行同源性映射到人的基因上去？
我们用到的R包是biomaRt包。bioMart包是一个连接bioMart数据库的R语言接口，能通过这个软件包自由连接到bioMart数据库。可以进行各种基因转换。
没有安装过的需要先安装包。
使用biomaRt包的第一步是选择要使用的BioMart 数据库和数据集。使用useMart函数可以连接到指定的BioMart 数据库和数据库中的数据集。要知道哪些BioMart 数据库是可用的，可以利用listMarts函数查看。
> listMarts() biomart version1 ENSEMBL_MART_ENSEMBL Ensembl Genes 1012 ENSEMBL_MART_MOUSE Mouse strains 1013 ENSEMBL_MART_SNP Ensembl Variation 1014 ENSEMBL_MART_FUNCGEN Ensembl Regulation 101要知道在一个BioMart数据库中哪些数据集是可用的，首先选择使用useMart的BioMart数据库，然后使用listDatasets函数在选定的BioMart，见listDatasets函数。
listDatasets()用于查询当前数据库所含的基因组注释。比如查看人的和鼠的。
> listDatasets(human) dataset1 acalliptera_gene_ensembl2 acarolinensis_gene_ensembl3 acchrysaetos_gene_ensembl4 acitrinellus_gene_ensembl..........79 hhucho_gene_ensembl80 hsapiens_gene_ensembl........... > listDatasets(mouse) dataset1 acalliptera_gene_ensembl2 acarolinensis_gene_ensembl3 acchrysaetos_gene_ensembl4 acitrinellus_gene_ensembl...........105 mmurinus_gene_ensembl106 mmusculus_gene_ensembl...........我们后面用到的是hsapiens_gene_ensembl这个数据集。还有小鼠的mmusculus_gene_ensembl数据集。
用useDataseq()函数选定数据库中的基因组。
useDataset(dataset,mart, verbose = FALSE)dataset就是要使用的数据集。可能的数据集的列表可以使用listDatasets函数检索，也就是我们上面介绍的。mart是使用useMart函数创建的Mart对象。
mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))用lsitFilters()函数查看可选择的类型，选定要获取的注释类型，以及已知注释的类型。
> listFilters(mart) name1 chromosome_name2 start3 end4 band_start5 band_end6 marker_start那么我们怎进行同源基因转换呢？按照开始说的，使用biomaRt包的第一步是选择要使用的BioMart 数据库和数据集。使用useMart函数可以连接到指定的BioMart 数据库和数据库中的数据集。所以第一步是构建mart对象。
human <- useMart('ensembl',dataset = "hsapiens_gene_ensembl")mouse <- useMart('ensembl',dataset = "mmusculus_gene_ensembl")也就是选择数据库ensembl，数据集是人的hsapiens_gene_ensembl或者小鼠的mmusculus_gene_ensembl。
getLDS函数是biomaRt查询的主要功能，连接两个数据集，并从这些链接的biomaRt数据集检索信息。在Ensembl中，这转化为同源映射。
我这里有一串小鼠基因。mouse.gene
将其映射到人的基因上。
attributes：属性参数：代表我们所要检索的数据集的属性参数，比如这里我们用的是mgi_symbol，代表的就是小鼠的基因的symbol名字。可以使用listAttributes函数检索可能的属性列表。
> head(listAttributes(mouse)) name description page1 ensembl_gene_id Gene stable ID feature_page2 ensembl_gene_id_version Gene stable ID version feature_page3 ensembl_transcript_id Transcript stable ID feature_page4 ensembl_transcript_id_version Transcript stable ID version feature_page5 ensembl_peptide_id Protein stable ID feature_page6 ensembl_peptide_id_version Protein stable ID version feature_pagefilter：参数过滤器，应在查询中使用的过滤器。这些过滤器将应用于主数据集。可以使用函数listFilters检索可能的过滤器列表。
value：代表我们想要输入的数据集，就是输入我们构造的要查询的向量。
mart ：指的是输入数据的mart对象，由于输入数据是小鼠的基因，自然选择的mart对象为小鼠。
attributesL：代表的是我们需要同源转化的另外一个数据库，这里我们自然是由小鼠转为人，选择的就是需要连接到的人的Mart对象，在属性参数里面我们填写了三个参数，分别是gene_symbol ,染色体位置，基因起始位点。
useMartL：参数是代表我们需要链接的Mart对象，这里自然就是人的。
我们查看一下结果：
> head(m2h.g) MGI.symbol HGNC.symbol Chromosome.scaffold.name Gene.start..bp.1 mt-Nd1 MT-ND1 MT 33072 Ube2j2 UBE2J2 1 12539093 Aurkaip1 AURKAIP1 1 13737304 mt-Nd5 MT-ND5 MT 123375 Agrn AGRN 1 10201206 mt-Co3 MT-CO3 MT 9207这样我们就完成了转换。可以看的出来，人的基因和小鼠的基因名称就是大小写的区别（大多数，不是全部）。
最后额外介绍一下用getBM()函数获取注释。给定一组过滤器和相应的值，它从连接到的BioMart数据库中检索用户指定的属性。
这也达到的注释的目的。
更多功能，参考官方文档。
参考：
http://www.bioconductor.org/packages/release/bioc/html/biomaRt.html
本公众号文章目录：https://www.yuque.com/doublehelix/mbictitles/dmiy4u