Bioconductor注释专题：用R获取芯片探针与基因的对应关系

今天要讲的是如何用R的bioconductor包来得到芯片探针与基因的对应关系~

一般重要的芯片在R的bioconductor里面都是有包的，不同的芯片对应不同的包，常见的物种如下：

先安装AnnotationDbi

source('http:///biocLite.R')biocLite('AnnotationDbi')

以hgu95av2.db为例，下载对应的数据库

biocLite('hgu95av2.db')

然后载入这两个包

library(AnnotationDbi)
library(hgu95av2.db)

看下数据库的信息~

> hgu95av2.dbChipDb object:| DBSCHEMAVERSION: 2.1| Db type: ChipDb| Supporting package: AnnotationDbi| DBSCHEMA: HUMANCHIP_DB| ORGANISM: Homo sapiens| SPECIES: Human| MANUFACTURER: Affymetrix| CHIPNAME: Human Genome U95 Set| MANUFACTURERURL: http://www./support/technical/byproduct.affx?product=hgu95| EGSOURCEDATE: 2015-Sep27| EGSOURCENAME: Entrez Gene| EGSOURCEURL: ftp://ftp.ncbi.nlm.nih.gov/gene/DATA| CENTRALID: ENTREZID| TAXID: 9606| GOSOURCENAME: Gene Ontology| GOSOURCEURL: ftp://ftp.geneontology.org/pub/go/godatabase/archive/latest-lite/| GOSOURCEDATE: 20150919| GOEGSOURCEDATE: 2015-Sep27| GOEGSOURCENAME: Entrez Gene| GOEGSOURCEURL: ftp://ftp.ncbi.nlm.nih.gov/gene/DATA| KEGGSOURCENAME: KEGG GENOME| KEGGSOURCEURL: ftp://ftp.genome.jp/pub/kegg/genomes| KEGGSOURCEDATE: 2011-Mar15| GPSOURCENAME: UCSC Genome Bioinformatics (Homo sapiens)| GPSOURCEURL: ftp://hgdownload.cse.ucsc.edu/goldenPath/hg19| GPSOURCEDATE: 2010-Mar22| ENSOURCEDATE: 2015-Jul16| ENSOURCENAME: Ensembl| ENSOURCEURL: ftp://ftp.ensembl.org/pub/current_fasta| UPSOURCENAME: Uniprot| UPSOURCEURL: http://www./| UPSOURCEDATE: Thu Oct  1 23:31:58 2015Please see: help('select') for usage information

库所包含的内容及可以作为检索键的列分别可以用columns命令和keytypes命令查看：

> columns(hgu95av2.db) [1] 'ACCNUM'       'ALIAS'        'ENSEMBL'     [4] 'ENSEMBLPROT'  'ENSEMBLTRANS' 'ENTREZID'     [7] 'ENZYME'       'EVIDENCE'     'EVIDENCEALL'
[10] 'GENENAME'     'GO'           'GOALL'      
[13] 'IPI'          'MAP'          'OMIM'      
 [16] 'ONTOLOGY'     'ONTOLOGYALL'  'PATH'      
 [19] 'PFAM'         'PMID'         'PROBEID'    
[22] 'PROSITE'      'REFSEQ'       'SYMBOL'    
 [25] 'UCSCKG'       'UNIGENE'      'UNIPROT'    
> keytypes(hgu95av2.db) [1] 'ACCNUM'       'ALIAS'        'ENSEMBL'     [4] 'ENSEMBLPROT'  'ENSEMBLTRANS' 'ENTREZID'     [7] 'ENZYME'       'EVIDENCE'     'EVIDENCEALL'
[10] 'GENENAME'     'GO'           'GOALL'      
[13] 'IPI'          'MAP'          'OMIM'        
[16] 'ONTOLOGY'     'ONTOLOGYALL'  'PATH'        
[19] 'PFAM'         'PMID'         'PROBEID'    
[22] 'PROSITE'      'REFSEQ'       'SYMBOL'    
 [25] 'UCSCKG'       'UNIGENE'      'UNIPROT'

要是想要看上面的具体某一列的内容可以用key

> head(keys(hgu95av2.db, keytype='SYMBOL'))[1] 'A1BG'  'A2M'   'A2MP1' 'NAT1'  'NAT2'  'NATP'

最后，要是我们有一些PROBEID需要转换成SYMBOL，可以这么做：

> # 取一些PROBEID
> k <- head(keys(hgu95av2.db,keytype="">'PROBEID'))> # 用select进行选择
> select(hgu95av2.db, keys=k, columns=c('SYMBOL'), keytype='PROBEID')
'select()' returned 1:1 mapping between keys andcolumns    PROBEID  SYMBOL
1   1000_at   MAPK3
2   1001_at    TIE1
3   1002_f_at CYP2C19
4   1003_s_at   CXCR5
5   1004_at   CXCR5
6   1005_at   DUSP1

select需要先指定你要使用的数据库，我们这里就是hgu95av2.db，接下来的keys参数是要检索的key，可以是所有id，或是感兴趣的id的列表。columns给出的是你要检索的对应内容，我们这里是根据id来检索基因的symbol，因此在columns参数中只指定了这一项。

• 参考：

• http:///packages/2.12/bioc/vignettes/AnnotationDbi/inst/doc/IntroToAnnotationPackages.pdf

• http://blog./uid-12084847-id-3851353.html

• http://www./1399.html
  

---