基因ID命名及相互转换

整理参考：ID转换不用慌，biomart帮你忙

由于ID来自于不同的数据库，或者说命名的意图不同，所以对于同一个基因，总是有多个不同的ID，最常见的比如entrze ID、ensembl ID、HGNC ID、refseq ID等。

1. Entrze ID:是美国NCBI数据库中的基因标识符，通常是由纯数字表示，比如人类TP53基因的Entrze ID是7157（注意，不同物种的基因ID是不同的）；
2. Ensembl ID：是欧洲生物信息数据库的基因标识符，都是以ENSG（ensembl gene）四个大写字母开始，后面跟着11位数字，所以ensembl ID的长度通常都是15位，比如人类TP53基因的ensembl ID是ENSG00000141510，值得注意的是ensembl ID不仅包含了两万多个蛋白质编码基因，同样也有很多的假基因、miRNA等，因此它的数量较多，有六万多个，比人类已知的基因数多得多
3. HGNC ID： 是指由人类基因命名委员会（HUGO Gene Nomenclature Committee）指定的基因标识符，该委员会通常对基因赋予一个名字以及一个ID，比如人类TP53基因，其标准的symbol是TP53（相当于简称），标准的名称是tumor protein p53，HGNC ID 是11998。
4. Refseq ID:美国NCBI提供的基因标准序列（参考序列）数据库，在该数据库中，人类TP53基因的ID是NG_017013。

 此外，与某个基因相关的还有GO ID、芯片探针ID、uniprot ID等。

Biomart数据库：是ensembl下属的一个网络数据库，里面包含非常多的信息。

biomaRt：是该网站的R语言接口，可以帮助用户在R语言中实现biomart的功能，因此使用该包时必须保证互联网连接通畅！

BioManager::install("biomaRt")    #安装biomaRt(Bioconductor 3.9.0)
library(biomaRt)    #加载包
listMarts()    #查看目标数据库（mart）
#               biomart               version
#1 ENSEMBL_MART_ENSEMBL      Ensembl Genes 98
#2   ENSEMBL_MART_MOUSE      Mouse strains 98
#3     ENSEMBL_MART_SNP  Ensembl Variation 98
#4 ENSEMBL_MART_FUNCGEN Ensembl Regulation 98

#选择数据库和版本号
tmp_mart <- useMart(biomart = "ENSEMBL_MART_ENSEMBL",version = "Ensembl Genes 98")
listDatasets(tmp_mart)    #显示该数据库下所包含的数据集（dataset）
#                       dataset                           description     version
#1 abrachyrhynchus_gene_ensembl Pink-footed goose genes (ASM259213v1) ASM259213v1
#2     acalliptera_gene_ensembl      Eastern happy genes (fAstCal1.2)  fAstCal1.2
#3   acarolinensis_gene_ensembl        Anole lizard genes (AnoCar2.0)   AnoCar2.0
#4    acitrinellus_gene_ensembl        Midas cichlid genes (Midas_v5)    Midas_v5
#5        ahaastii_gene_ensembl    Great spotted kiwi genes (aptHaa1)     aptHaa1
#6    amelanoleuca_gene_ensembl                 Panda genes (ailMel1)     ailMel1
#...

#因为要转化人的gene ID，所以选择人的数据集，版本为GRCh38.p13
my_mart <- useMart(biomart = "ENSEMBL_MART_ENSEMBL", dataset = "hsapiens_gene_ensembl",version = "Ensembl Genes 98")

#转换基因ID: ncbi ID（即entrez ID）--> ensembl ID
test_genes <- c("10327","124","125","126","127","128","130","130589","131","160287")
gene_id_info<- getBM(attributes=c("ensembl_gene_id","entrezgene_id","hgnc_symbol"),
                     filters = "entrezgene_id",
                     values=test_genes , mart= my_mart)
#attributes参数是你需要返回的gene信息，需要什么类型都写上（listAttributes()可以查看所有gene attribute类型）
#filters参数是你当前能提供的gene的ID类型，结果返回一个gene_id_info的data.frame
	
gene_id_info
#   ensembl_gene_id entrezgene_id hgnc_symbol
#1  ENSG00000117448         10327      AKR1A1
#2  ENSG00000187758           124       ADH1A
#3  ENSG00000196616           125       ADH1B
#4  ENSG00000248144           126       ADH1C
#5  ENSG00000198099           127        ADH4
#6  ENSG00000197894           128        ADH5
#7  ENSG00000172955           130        ADH6
#8  ENSG00000143891        130589        GALM
#9  ENSG00000196344           131        ADH7
#10 ENSG00000166800        160287     LDHAL6A