Question

我是R / BioC的新手。我正在尝试基于GO的基因聚类。输入需要是基因名称和每行中的GO术语。例如：

AP4B1 GO:0005215 GO:0005488 GO:0005515 GO:0005625 GO:0005802 GO:0005905
BCAS2 GO:0005515 GO:0005634 GO:0005681 GO:0008380 GO:0031202

我尝试在bioconductor中使用注释：

library("rat2302.db") 
library(annotate)
testid<-c("1367462_at","1380262_at", "1392516_a_at", "1396521_at")
goid1 <- rat2302GO[testid]

但我只将每个GO术语分开：

toTable(goid1)

probe_id      go_id Evidence Ontology
1  1367462_at GO:0008152      IEA       BP
2  1367462_at GO:0008152      ISO       BP
3  1367462_at GO:0006508      IMP       BP
4  1367462_at GO:0005886      IEA       CC
5  1367462_at GO:0005737      IEA       CC
6  1380262_at GO:0005575       ND       CC
7  1380262_at GO:0005634      IEA       CC
8  1380262_at GO:0005737      IEA       CC
9  1367462_at GO:0005509      IEA       MF
10 1367462_at GO:0005509      TAS       MF
11 1367462_at GO:0004198      IDA       MF
12 1367462_at GO:0004198      IEA       MF
13 1367462_at GO:0004198      ISO       MF
14 1367462_at GO:0046982      IPI       MF
15 1380262_at GO:0000166      IEA       MF

也许有更容易的方法来获得每个基因的所有GO术语。不幸的是，我找不到它。

非常感谢任何帮助。

由于 [R

Answer 1

好的，从您输入的示例中，不清楚您要如何格式化输入。您所呈现的是data.frame吗？或者它是两个字符向量，其中第一个元素是基因名称？或者您希望将.txt文件格式化为您的示例吗？

我想最简单的事情就是split只需probe_id，如下所示

tab <- toTable(goid1)
split(tab$go_id, tab$probe_id)

给出输出

$`1367462_at`
[1] "GO:0006508" "GO:0005886" "GO:0005737" "GO:0070062" "GO:0005509" "GO:0004198" "GO:0046982"
[8] "GO:0005509" "GO:0004198"

$`1380262_at`
[1] "GO:0005575" "GO:0005634" "GO:0005737" "GO:0015459" "GO:0004674" "GO:0005524" "GO:0015459"
[8] "GO:0015459"

$`1396521_at`
[1] "GO:0008289"

无论如何。这是您想要的每个基因/探针组的GO术语的向量列表。将它操纵成你想要的东西应该相当容易。

Answer 2

ncbi提供了一个名为gene2go的文件，可能是您想要的文件

如何获得每个探针的基因本体（GO）术语

2 个答案: