search

ixxmu / mp_duty

抓取网络文章到github issues保存
https://archives.duty-machine.now.sh/
122 stars 30 forks source link

同源基因ID转换R包 homologene / babelgene #4432

Closed ixxmu closed 9 months ago

ixxmu commented 9 months ago

https://mp.weixin.qq.com/s/gjMjnfoWj9rQjiFWqEnz1w

ixxmu commented 9 months ago

同源基因ID转换R包 homologene / babelgene by 被炸熟的虾

在日常分析中，我们经常需要对同一物种基因ID和symbol进行互转，或者查找不同物种之间的同源基因。通常我们会借助R包，例如biomaRt，easyConvert和org.Hs.eg.db等，或者借助在线工具，例如DAVIA，或是进入Ensemble、ncbi等数据库查询。但是这些方法都存在各种各样的问题，如biomaRt对网络依赖很大，org.Hs.eg.db会丢失很多基因等，很多在线工具也是如此。这里记录两种使用轻便的R包：

1、babelgene

babelgene包汇总了来自多个数据库EggNOG、Ensembl、HGNC、HomoloGene、Inparanoid、NCBI、OMA、OrthoDB、OrthoMCL、Panther、PhylomeDB、Treefam的结果，根据查询的基因返回人对应的基因信息，核心只要一步函数orthologs 。
install.packages("babelgene")
packageVersion("babelgene")#[1] ‘22.9’
library(babelgene)
orthologs(genes = c("TP53", "EGFR", "IL6", "TGFB1", "CD4"), species = "mouse")
 #  human_symbol human_entrez   human_ensembl taxon_id symbol entrez            ensembl
# 1          CD4          920 ENSG00000010610    10090    Cd4  12504 ENSMUSG00000023274
# 2         EGFR         1956 ENSG00000146648    10090   Egfr  13649 ENSMUSG00000020122
# 3          IL6         3569 ENSG00000136244    10090    Il6  16193 ENSMUSG00000025746
# 4        TGFB1         7040 ENSG00000105329    10090  Tgfb1  21803 ENSMUSG00000002603
# 5         TP53         7157 ENSG00000141510    10090  Trp53  22059 ENSMUSG00000059552
                                                                                        # support support_n
# 1 EggNOG|Ensembl|HGNC|HomoloGene|Inparanoid|NCBI|OMA|OrthoDB|OrthoMCL|Panther|PhylomeDB|Treefam        12
# 2 EggNOG|Ensembl|HGNC|HomoloGene|Inparanoid|NCBI|OMA|OrthoDB|OrthoMCL|Panther|PhylomeDB|Treefam        12
# 3                Ensembl|HGNC|HomoloGene|Inparanoid|NCBI|OMA|OrthoMCL|Panther|PhylomeDB|Treefam        10
# 4 EggNOG|Ensembl|HGNC|HomoloGene|Inparanoid|NCBI|OMA|OrthoDB|OrthoMCL|Panther|PhylomeDB|Treefam        12
# 5 EggNOG|Ensembl|HGNC|HomoloGene|Inparanoid|NCBI|OMA|OrthoDB|OrthoMCL|Panther|PhylomeDB|Treefam        12
默认查询的物种是human，可以关闭该设置，查询其他物种基因对应的的人源基因信息：
orthologs(genes = "actc1b", species = "fruit fly", human = FALSE)
#  human_symbol human_entrez   human_ensembl taxon_id symbol entrez     ensembl
#1         GCH1         2643 ENSG00000131979     7227     Pu  37415 FBgn0003162
#                                                                              support support_n
#1 EggNOG|Ensembl|HomoloGene|Inparanoid|OMA|OrthoDB|OrthoMCL|Panther|PhylomeDB|Treefam        10

orthologs(genes = "gapdh", species = "fruit fly", human = FALSE)
#Error in orthologs(genes = "GAPDH", species = "fruit fly", human = FALSE) : 
#  no orthologs found or the genes are not valid

orthologs(genes = "Gapdh", species = "mouse", human = FALSE)
#human_symbol human_entrez   human_ensembl taxon_id symbol entrez            ensembl
#1        GAPDH         2597 ENSG00000111640    10090  Gapdh  14433 ENSMUSG00000057666
#                                                            support support_n
#1 Ensembl|HGNC|HomoloGene|NCBI|OMA|OrthoDB|OrthoMCL|Panther|Treefam         9
也可以使用 NCBI Entrez 或者 Ensembl IDs 来查询：
orthologs(genes = "ENSG00000111640", species = "mouse", human = TRUE)
#human_symbol human_entrez   human_ensembl taxon_id symbol entrez            ensembl
#1        GAPDH         2597 ENSG00000111640    10090  Gapdh  14433 ENSMUSG00000057666
#                                                            support support_n
#1 Ensembl|HGNC|HomoloGene|NCBI|OMA|OrthoDB|OrthoMCL|Panther|Treefam         9
下面是babelgene包支持的物种：
species()
 #   taxon_id                 scientific_name                                                             common_name
# 1     28377             Anolis carolinensis                                             Carolina anole, green anole
# 2      9913                      Bos taurus bovine, cattle, cow, dairy cow, domestic cattle, domestic cow, ox, oxen
# 3      6239          Caenorhabditis elegans                                                                    <NA>
# 4      9615          Canis lupus familiaris                                                               dog, dogs
# 5      7955                     Danio rerio                       leopard danio, zebra danio, zebra fish, zebrafish
# 6      7227         Drosophila melanogaster                                                               fruit fly
# 7      9796                  Equus caballus                                           domestic horse, equine, horse
# 8      9685                     Felis catus                                                 cat, cats, domestic cat
# 9      9031                   Gallus gallus                            bantam, chicken, chickens, Gallus domesticus
# 10     9544                  Macaca mulatta          rhesus macaque, rhesus macaques, Rhesus monkey, rhesus monkeys
# 11    13616           Monodelphis domestica                                               gray short-tailed opossum
# 12    10090                    Mus musculus                                                      house mouse, mouse
# 13     9258        Ornithorhynchus anatinus                       duck-billed platypus, duckbill platypus, platypus
# 14     9598                 Pan troglodytes                                                              chimpanzee
# 15    10116               Rattus norvegicus                                        brown rat, Norway rat, rat, rats
# 16     4932        Saccharomyces cerevisiae                            baker's yeast, brewer's yeast, S. cerevisiae
# 17   284812 Schizosaccharomyces pombe 972h-                                                                    <NA>
# 18     9823                      Sus scrofa                                             pig, pigs, swine, wild boar
# 19     8364              Xenopus tropicalis                               tropical clawed frog, western clawed frog

2、homologene

如果是想进行其他物种的同源基因转换（不仅是转换为人源基因），可以使用homologene包进行批量转换：

install.packages('homologene')
packageVersion("homologene")#[1] ‘1.4.68.19.3.27’
library(homologene)
#可支持的物种如下：
homologene::taxData
#   tax_id                      name_txt
#1   10090                  Mus musculus
#2   10116             Rattus norvegicus
#3   28985          Kluyveromyces lactis
#4  318829            Magnaporthe oryzae
#5   33169         Eremothecium gossypii
#6    3702          Arabidopsis thaliana
#7    4530                  Oryza sativa
#8    4896     Schizosaccharomyces pombe
#9    4932      Saccharomyces cerevisiae
#10   5141             Neurospora crassa
#11   6239        Caenorhabditis elegans
#12   7165             Anopheles gambiae
#13   7227       Drosophila melanogaster
#14   7955                   Danio rerio
#15   8364 Xenopus (Silurana) tropicalis
#16   9031                 Gallus gallus
#17   9544                Macaca mulatta
#18   9598               Pan troglodytes
#19   9606                  Homo sapiens
#20   9615        Canis lupus familiaris
#21   9913                    Bos taurus

使用homologene函数进行转换：第一个参数是要转换的基因，inTax是输入的基因列表所属的物种号，outTax是要转换成的物种号，db用于指定转换数据库，如果需要使用新版本的数据库，这个参数很重要。

homologene(genes, inTax, outTax, db = homologene::homologeneData)

以小鼠的基因为例。查找上表，10090是小鼠，9606是人：

genelist <- c("Acadm","Eno2","Acadvl")
homologene(genelist, inTax = 10090, outTax = 9606)
##   10090 9606 10090_ID 9606_ID
##1  Acadm  ACADM    11364      34
##2   Eno2   ENO2    13807    2026
##3 Acadvl ACADVL    11370      37

对于像小鼠和人这种常见的物种，也可以使用函数mouse2human()和human2mouse()进行互相转换：

mouse2human(genelist)
# mouseGene humanGene mouseID humanID
# 1     Acadm     ACADM   11364      34
# 2      Eno2      ENO2   13807    2026
# 3    Acadvl    ACADVL   11370      37
human2mouse(c("ACADM","ENO2","ACADVL"))
 #  humanGene mouseGene humanID mouseID
# 1     ACADM     Acadm      34   11364
# 2      ENO2      Eno2    2026   13807
# 3    ACADVL    Acadvl      37   11370

使用新版本的转换数据库

使用更新的版本可以帮助匹配由于注释过时而无法匹配的基因。

mouse2human(c('Mesd','Trp53rka','Cstdc4','Ifit3b'))
## [1] mouseGene humanGene mouseID   humanID  
## <0 rows> (or 0-length row.names)
需要指定新版本数据库，修改参数db
mouse2human(c('Mesd','Trp53rka','Cstdc4','Ifit3b'),db = homologeneData2)
##   mouseGene humanGene mouseID humanID
## 1      Mesd      MESD   67943   23184
## 2  Trp53rka    TP53RK  381406  112858
## 3    Cstdc4      CSTA  433016    1475
## 4    Ifit3b     IFIT3  667370    3437
此包的 GitHub 版本注释库每周更新一次，如果需要最新的注释，可以使用函数updateHomologene()获取最新信息。
下载需要时间很长，空间也比较大！！！！
options(timeout = 10000)
homologeneDataVeryNew = updateHomologene() # update the homologene database with the latest identifiers
mouse2human(c('Mesd','Trp53rka','Cstdc4','Ifit3b'),db = homologeneDataVeryNew)
mouseGene humanGene mouseID humanID
##1      Mesd      MESD   67943   23184
##2  Trp53rka    TP53RK  381406  112858
##3    Cstdc4      CSTA  433016    1475
##4    Ifit3b     IFIT3  667370    3437

此外，该homologene包也提供了相应函数用于更新过时的基因Symbol和identifier、访问DIOPT数据库来查找基因同源物/直系同源物等功能，详细介绍见github主页。

  • https://github.com/oganm/homologene

被炸熟的虾
自己的摸索，发现问题麻烦告诉作者，光速回来改正