biomart使用說(shuō)明：http://www.bioconductor.org/packages/release/bioc/vignettes/biomaRt/inst/doc/biomaRt.html
前置注意：使用biomart包中的listensembl/usemart函數(shù)的時(shí)候间狂，一定注意看一下幫助文章，一般來(lái)講默認(rèn)的數(shù)據(jù)庫(kù)是最新的hg38（以人為例）火架，而目前很多的ID都來(lái)自上一版本的基因組hg37前标，因此我們需要訪問(wèn)上版本的host即http://grch37.ensembl.org/，默認(rèn)的host是www.ensembl.org距潘，這一點(diǎn)一定要注意炼列！
另外有關(guān)hg38和hg37的區(qū)別，在最新版的ensembl中音比，移除了hg37中的部分ID俭尖，同時(shí)將其賦予了新的id或與其它基因信息合并（由官方名變?yōu)閯e名），因此需要格外注意洞翩！
########################################################
#-------------------------------------------------------
# Topic:biomaRt的使用
# Author:Wang Haiquan
# Date:Wed May 20 11:11:39 2020
# Mail:mg1835020@smail.nju.edu.cn
#-------------------------------------------------------
########################################################
library(biomaRt)
listMarts()#檢查biomart是否可以訪問(wèn)稽犁，以及查看可以使用的web service
ensembl1 <- useMart("ensembl")
ensembl <- useMart("ENSEMBL_MART_ENSEMBL")#選擇使用的biomart，需要選擇listmarts輸出的biomart
identical(ensembl,ensembl1)#usemart中傳入ensembl骚亿，等價(jià)于傳入ENSEMBL_MART_ENSEMBL
listDatasets(ensembl)#查看選中的biomart中包含的dataset已亥，在ensembl 100版本中ENSEMBL_MART_ENSEMBL biomart中共有203個(gè)數(shù)據(jù)庫(kù)
head(listDatasets(ensembl))
# dataset(物種數(shù)據(jù)集) description(物種名及參考基因組版本) version(參考基因組版本)
# 1 acalliptera_gene_ensembl Eastern happy genes (fAstCal1.2) fAstCal1.2
# 2 acarolinensis_gene_ensembl Anole lizard genes (AnoCar2.0) AnoCar2.0
# 3 acchrysaetos_gene_ensembl Golden eagle genes (bAquChr1.2) bAquChr1.2
# 4 acitrinellus_gene_ensembl Midas cichlid genes (Midas_v5) Midas_v5
# 5 amelanoleuca_gene_ensembl Panda genes (ailMel1) ailMel1
# 6 amexicanus_gene_ensembl Mexican tetra genes (Astyanax_mexicanus-2.0) Astyanax_mexicanus-2.0
#小鼠的ensembl名： mmusculus_gene_ensembl，參考基因組為GRCm38.p6
#人的ensembl名：hsapiens_gene_ensembl,參考基因組為GRCh38.p13
ensembl <- useDataset("hsapiens_gene_ensembl",mart = ensembl)
#-------------------------------------------------------
#Function:使用getBM函數(shù)進(jìn)行ID轉(zhuǎn)換
#-------------------------------------------------------
#getBM一共四個(gè)參數(shù)
#attributes : is a vector of attributes that one wants to retrieve (=the output of the query)
#需要轉(zhuǎn)化成什么樣的ID類型来屠，可以使用listAttributes(ensembl)查看可以轉(zhuǎn)化的ID類型
attributes<-listAttributes(ensembl)
head(attributes)
# name description page
# 1 ensembl_gene_id Gene stable ID feature_page
# 2 ensembl_gene_id_version Gene stable ID version feature_page
# 3 ensembl_transcript_id Transcript stable ID feature_page
# 4 ensembl_transcript_id_version Transcript stable ID version feature_page
# 5 ensembl_peptide_id Protein stable ID feature_page
# 6 ensembl_peptide_id_version Protein stable ID version feature_page
#filters : is a vector of filters that one wil use as input to the query
#限制轉(zhuǎn)化的id的范圍,如果我只想轉(zhuǎn)化X染色體上的基因虑椎，可以通過(guò)設(shè)置chromosome_name=X來(lái)設(shè)置，可以使用listFilters(ensembl)查看可以選擇的filter類型
filters = listFilters(ensembl)
head(filters)
# name description
# 1 chromosome_name Chromosome/scaffold name
# 2 start Start
# 3 end End
# 4 strand Strand
# 5 chromosomal_region e.g. 1:100:10000:-1, 1:100000:200000:1
# 6 with_ccds With CCDS ID(s)
# values : a vector of values for the filters. In case multple filters are
# in use, the values argument requires a list of values where each
# position in the list corresponds to the position of the filters in the
# filters argument (see examples below)
#query的ID俱笛，如將探針轉(zhuǎn)化為基因名捆姜，則value就是探針名
# mart : is an object of class Mart , which is created by the
# useMart() function
#使用的mart類型，即上文中提到的ensembl
values = c("202763_at","209310_s_at","207500_at")
attributes = c('affy_hg_u133_plus_2', 'entrezgene_id')
filters = 'affy_hg_u133_plus_2'#提供的id是這類芯片
mart = ensembl
new_id<-getBM(attributes,filters,values,mart)#注意迎膜，網(wǎng)絡(luò)問(wèn)題可能會(huì)連接失敗泥技，也可以使用select函數(shù)代替
注意！磕仅！由于getBM中輸出的結(jié)果是亂序的（相比于你輸入的順序）因此在這里珊豹，為了得到更準(zhǔn)確的結(jié)果簸呈，我們最好加上用于將結(jié)果驗(yàn)證的id（attributes），比如我的filters的類型是affy_hg_u133_plus_2店茶，那我的attributes中也最好加上affy_hg_u133_plus_2這個(gè)標(biāo)識(shí)蜕便。同時(shí)由于函數(shù)本身會(huì)把相同的行去掉（uniqueRows=T），因此我們可以把它關(guān)上
new_id<-getBM(c('affy_hg_u133_plus_2', 'entrezgene_id'),
'affy_hg_u133_plus_2',
c("202763_at","209310_s_at","207500_at"),
mart,
uniqueRows=F)
#-------------------------------------------------------
#Function:使用dataset的搜索函數(shù)
#-------------------------------------------------------
#搜索函數(shù)有三個(gè)：searchDatasets() searchAttributes() searchFilters()
#分別用來(lái)查找數(shù)據(jù)集名稱忽妒，attributes名稱以及filter名稱
#都含有兩個(gè)參數(shù)，分別為mart和pattern兼贸，其中pattern接受正則表達(dá)式
searchDatasets(mart = ensembl,pattern = "hsa.*")
#-------------------------------------------------------
#Function:在biomart包的教程中通過(guò)使用http及開放端口使用非ensembl庫(kù)中的數(shù)據(jù)注釋
#-------------------------------------------------------
#這里使用線蟲數(shù)據(jù)庫(kù)
listMarts(host = "parasite.wormbase.org")
wormbase = useMart(biomart = "parasite_mart",
host = "https://parasite.wormbase.org",
port = 443)
listDatasets(wormbase)
wormbase <- useDataset(mart = wormbase, dataset = "wbps_gene")
head(listFilters(wormbase))
getBM()
#-------------------------------------------------------
#Function:可以使用columns段直、select、keys溶诞、keytypes等函數(shù)對(duì)mart進(jìn)行操作
#-------------------------------------------------------
columns(ensembl)
keytypes(ensembl)
keys(mart,keytype = "chromosome_name")
select(mart,keys = values,columns = attributes,keytype = "affy_hg_u133_plus_2")
