R: biomaRt获取Ensembl基因组信息

导读

用biomaRt获取ensembl数据库各物种基因染色体位置信息。

R包地址

biomaRt：
https://m.ensembl.org/info/data/biomart/biomart_r_package.html

安装

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("biomaRt")

查看数据库

listMarts()

查看基因组

mart = useMart('ensembl')
list_db = listDatasets(mart)

包含hsp(人)，共202个基因组信息

获取人基因组基因长度信息

可选USA/China Shenzhen的mirror，
解决Ensembl site unresponsive, trying uswest mirror

# 获取ensembl hsp基因组全信息
hsp <- biomaRt::useMart(biomart = "ENSEMBL_MART_ENSEMBL", 
                         dataset = "hsapiens_gene_ensembl",
                         host = "www.ensembl.org")

# 提取设置
attributes = c(
 "ensembl_gene_id",
 "hgnc_symbol",
 "chromosome_name",
 "start_position",
 "end_position"
)

# 提取
hsp_info <- getBM(attributes = attributes, mart = hsp)
head(hsp_info)

各染色体基因数
除了22对常染色体，XY，MT还有大量未知编号

data.frame(table(hsp_info$chromosome_name))

更多：
Accessing Ensembl annotation with biomaRt