biomaRt多個(gè)物種同源基因一步轉(zhuǎn)換 2022-08-30

適用背景

之前寫了一篇跨物種同源基因轉(zhuǎn)換的文章，里面用到biomaRt這個(gè)包序苏，但是這個(gè)包只能對(duì)2個(gè)物種進(jìn)行同源基因轉(zhuǎn)換。如果有多個(gè)物種魂奥，使用起來就比較麻煩宪潮，因此本文將介紹一步轉(zhuǎn)換多個(gè)物種同源基因的函數(shù)。

useEnsembl和useMart的區(qū)別

上一篇文章提到戈抄，用useMart時(shí)有時(shí)候會(huì)出現(xiàn)網(wǎng)絡(luò)連接錯(cuò)誤的問題，可以指定host解決后专，另外根據(jù)一篇Bioconductor文章划鸽，建議使用useEnsembl替代useMart，或許可以解決網(wǎng)絡(luò)問題戚哎。
查看幫助文檔發(fā)現(xiàn)裸诽，這兩者除了名稱沒有太大差別，如果要深究需要看源代碼了型凳。因此丈冬，本文將使用useEnsembl而不用useMart，可以把下面腳本的useEnsembl都替換成useMart使用甘畅。

useEnsembl Connects to the selected BioMart database and dataset hosted by Ensembl

useMart Connects to the selected BioMart database and dataset

關(guān)于biomaRt未收錄的非模式物種

因?yàn)橛行┓悄Ｊ轿锓N沒有被收納進(jìn)biomaRt包埂蕊，因此在找其它同源基因庫時(shí)發(fā)現(xiàn)一個(gè)HGNC網(wǎng)站。

HGNC

這個(gè)網(wǎng)站有個(gè)同源基因轉(zhuǎn)換工具疏唾，雖然物種不是很多粒梦，但列出了不少同源基因庫的信息，感興趣可以逐個(gè)了解一下荸实。

HCOP

2個(gè)物種的同源基因轉(zhuǎn)換函數(shù)get2sp_orth_gene

ref，參考物種的數(shù)據(jù)集名稱缴淋，例如小鼠的是mmusculus_gene_ensembl
que准给，查詢物種的數(shù)據(jù)集名稱
gene.use，指定基因集重抖，默認(rèn)為空露氮，使用查詢物種的所有基因
a.ref，參考物種輸出的屬性類型向量钟沛，默認(rèn)會(huì)輸出c("ensembl_gene_id","external_gene_name")
f.ref畔规，參考物種輸入的屬性類型，默認(rèn)為基因名"external_gene_name"
a.que恨统，查詢物種輸出的屬性類型向量叁扫，默認(rèn)輸出基因名c("external_gene_name")
host三妈，使用的數(shù)據(jù)庫網(wǎng)站版本，默認(rèn)為"https://dec2021.archive.ensembl.org/"

如果需要查詢某個(gè)物種的數(shù)據(jù)集名稱以及可用的屬性類型莫绣，可以查看跨物種同源基因轉(zhuǎn)換畴蒲。

函數(shù)代碼如下：

get2sp_orth_gene <- function(ref=NULL,que=NULL,gene.use=NULL,
                          a.ref=NULL,f.ref="external_gene_name",
                          a.que=NULL,uniqueRows=T,host = "https://dec2021.archive.ensembl.org/"){
a.ref <- unique(c("ensembl_gene_id","external_gene_name",a.ref))
a.que <- unique(c("external_gene_name",a.que))

mref <- useEnsembl("ensembl",dataset = ref, host = host)
mque <- useEnsembl("ensembl",dataset = que, host = host)

if (is.null(gene.use)) {
g1 <- getBM(attributes = c("external_gene_name"),mart = useEnsembl("ensembl",dataset = que, host = host),uniqueRows = T)
g2 <- g1$external_gene_name
}else{
g2 <- gene.use
}

gene.out <- getLDS(attributes = a.ref, filters = f.ref, values = g2, mart = mref,
                   attributesL = a.que, martL = mque, uniqueRows = uniqueRows)

nref <- length(a.ref)
nque <- length(a.que)

recol <- colnames(gene.out)
recol[1:2] <- c('ref.gene_ID','ref.gene_name')
recol[nref+1] <- 'que.gene_name'

colnames(gene.out) <- recol
gene.out$ref.specice <- ref
gene.out$que.specice <- que
return(gene.out)
}

使用示例
這個(gè)函數(shù)返回的是一個(gè)數(shù)據(jù)框，第1列ref.gene_ID是參數(shù)物種的基因ID对室，第2列ref.gene_name是參考物種的基因名模燥，第3列que.gene_name是詢問物種的基因名，第4列是ref.specice參考物種的數(shù)據(jù)集名稱掩宜，第5列是參考物種的數(shù)據(jù)集名稱que.specice蔫骂。

> g1 <- get2sp_orth_gene(ref="mmusculus_gene_ensembl",que="mfascicularis_gene_ensembl")
> head(g1)
         ref.gene_ID ref.gene_name que.gene_name            ref.specice
1 ENSMUSG00000038473        Nos1ap        NOS1AP mmusculus_gene_ensembl
2 ENSMUSG00000036885      Arhgef26      ARHGEF26 mmusculus_gene_ensembl
3 ENSMUSG00000033285          Wdr3          WDR3 mmusculus_gene_ensembl
4 ENSMUSG00000074480         Mex3a         MEX3A mmusculus_gene_ensembl
5 ENSMUSG00000062127     Cttnbp2nl     CTTNBP2NL mmusculus_gene_ensembl
6 ENSMUSG00000041355          Ssr2          SSR2 mmusculus_gene_ensembl
                 que.specice
1 mfascicularis_gene_ensembl
2 mfascicularis_gene_ensembl
3 mfascicularis_gene_ensembl
4 mfascicularis_gene_ensembl
5 mfascicularis_gene_ensembl
6 mfascicularis_gene_ensembl

多個(gè)個(gè)物種的同源基因轉(zhuǎn)換函數(shù)getmtsp_orth_gene

getmtsp_orth_gene調(diào)用了前面的get2sp_orth_gene函數(shù)，可以一步實(shí)現(xiàn)多個(gè)物種的同源基因轉(zhuǎn)換牺汤，大部分參數(shù)與get2sp_orth_gene一樣辽旋，只有que和gene.use不一樣，que需要傳入查詢物種數(shù)據(jù)集的向量慧瘤，例如que=c('mmusculus_gene_ensembl','mfascicularis_gene_ensembl','tguttata_gene_ensembl')戴已，而gene.use如果不為空則需輸入基因集列表，例如gene.use= list(c("Gad1","Sst"), c("GAD1","SST"))锅减，基因集列表要一一對(duì)應(yīng)查詢物種糖儡，如果為空則會(huì)使用所有基因。