我有大量的基因名称,我想将对应的基因ID映射到每个名称。我已经尝试过使用以下R库:org.Hs.eg.db
,但是它创建的ID比名称的ID多,因此很难将结果映射在一起,尤其是在列表很长的情况下。
输入文件示例(7个基因名称):
RPS6KB2
PSME4
PDE4DIP
APMAP
TNRC18
PPP1R26
NAA20
理想的输出为(7个ID):
6199
23198
9659
57136
84629
9858
51126
当前输出(8个ID!):
6199
23198
9659
57136
27320 *undesired output ID*
84629
9858
51126
关于如何解决此问题的任何建议?还是使用其他简单工具来完成所需的任务(映射基因ID)?
这是我正在使用的代码:
library("org.Hs.eg.db") #load the library
input <- read.csv("myfile.csv",TRUE,",") #read input file
GeneCol = as.character(input$Gene.name) #access the column that has gene names in my file
output = unlist(mget(x = GeneCol, envir = org.Hs.egALIAS2EG, ifnotfound=NA)) #get IDs
write.csv(output, file = "GeneIDs.csv") #write the list of IDs to a CSV file
答案 0 :(得分:2)
在org.Hs.eg.db包中使用mapIds()
。但是,您看到8个id的原因是符号之间的映射不是1:1。您需要确定一种处理此类多张地图的策略。另外,请在Bioconductor支持网站https://support.bioconductor.org上询问有关Bioconductor包装的问题。
这是一个完整的示例(请注意,我不需要您的文件“ myfile.csv”来运行此文件,因此很容易复制)
library(org.Hs.eg.db)
symbol <- c(
"RPS6KB2", "PSME4", "PDE4DIP", "APMAP", "TNRC18",
"PPP1R26", "NAA20"
)
mapIds(org.Hs.eg.db, symbol, "ENTREZID", "SYMBOL")
输出为
> mapIds(org.Hs.eg.db, symbol, "ENTREZID", "SYMBOL")
'select()' returned 1:1 mapping between keys and columns
RPS6KB2 PSME4 PDE4DIP APMAP TNRC18 PPP1R26 NAA20
"6199" "23198" "9659" "57136" "84629" "9858" "51126"