【块】Gene id格式转换的多种方法

本文将逐步增加各种方法，有时间再研究各个方法的区别。
每个人在转换id格式时，可能会遇到很多与以下流程不同的情况。比如说gene id有小版本、去重后数据大量丢失等等，建议具体问题再去查询解决方案，也可以把问题私信给我，我学习后整理在此文最后。

假设文件名文“genes_exp”，其中有一列为需要转换的“geneid”

1、使用gtf文件注释

可在以下两个链接下载gtf文件（分别是GENCODE和Ensembl）：
https://www.gencodegenes.org/human/#
http://ftp.ensembl.org/pub/release-104/gtf/homo_sapiens/

library(rtracklayer)
gff<-readGFF(“”)#自己修改路径

#提取所需要的部分注释，假设是从“gene_id”转换到”gene_name”
anno<-gff[gff$type == “gene”, c(“gene_id”,”gene_name”)]

#根据“gene_id”匹配转换genes_exp与anno，自己修改by.y参数
result<-merge(anno,genes_exp, by.x= “gene_id”, by.y= “geneid”)

#去重与检查空值与NA
result<-result[!duplicated(result$gene_name),]
table(result$gene_name == “”)
table(is.na(result$gene_name))

2、使用bitr（clusterProfiler包）

有些人的数据有小数点，可以用str_sub处理一下

library(clusterProfiler)
library(org.Hs.eg.db)

# 查看有哪些gene id格式
keytypes(org.Hs.eg.db)

#适用bitr()函数进行转换，可同时转换成多种格式
result$gene_name<-bitr(genes_exp$geneid, fromType= “ENSEMBL”, toType= c(“SYMBOL”)

#接下来去重，检查空值与NA