如何批量转换基因名称的两种方法

平常的生信数据分析中，我们会遇到不同的来源的基因名称需要相互匹配的问题，比如我们需要将人的“ENST”开头的ensembl转录本编号替换成对应的refseq里的“NM”开头的转录本编号，本文主要针对这种ID转换介绍两种转换方法。

第一种方法

通过biomaRt来实现基因名对应表的下载。biomaRt有网页版和R包两种版本，网页版去Ensembl官网上即可找到BioMart的入口，如下图所示：

img

本文着重说一下R包版本的使用方法 biomaRt在Bioconductor库里，官方网址为： http://www.bioconductor.org/packages/release/bioc/html/biomaRt.html。

首先进行biomaR安装：

img

img

这样即可得到一个包含refseq转录本名称和ensembl转录本名称的对应表，在excel中通过vlookup()函数即可进行匹配。

以上操作仅仅是笔者的个人习惯，比如检索时用Rstudio的搜索框，getBM()直接导出所有基因然后在excel里操作匹配。当然读者也可以使用DT包进行信息搜索，使用getBM()的filters参数直接筛选候选基因的对应信息，同时biomaRt的应用场景非常广，有兴趣的同学可以去详细的学习下这个包，这里就不再详述。

第二种方法

直接通过bioDBnet这个网站进行基因名转换，网址为: https://biodbnet-abcc.ncifcrf.gov/db/db2db.php

同样以转录本的名称转换为例，在Input栏选中输入的转录本格式，Outputs栏选中输出格式，Organism里输入Taxon ID,此ID也可以点击蓝色的Taxon ID超链接进入新的窗口，在里面查询想要的物种所对应的Taxon ID，比如人的Taxon ID为9606。最后在ID List栏里粘贴要输入的数据，点击提交。

img

结果展示如下：

img

这里我们可以看到，每个EnsemblTranscript号对应多个RefSeqmRNA号，到这里笔者也被卡住了，如果要进一步筛选想要的RefSeq mRNA号需要增加额外的工作量，这显然不是我们想要的。但是，该网站对基因层面的转换是唯一对应的，如Symbol名转换成Ensembl名，示例结果如下：

img

总结一下

biomaRt的R包使用方法是最好的，biomaRt的网页版使用可能有两个潜在的问题，一是笔者有几次打不开网页，二是下载大量数据时可能会卡主，而biomaRt的R包方法则不存在这些问题，唯一的缺点就是需要使用R，这对从没用过R的人来说可能不太友好。bioDBnet网站的优点是响应速度快，操作简单，缺点是不太适用于转录本编号名称的转换，如果是少量基因数据的任务需求，bioDBnet会是个不错的选择。不过笔者的习惯是，biomaRt的R包下载所有基因的常用数据库到本地，然后excel里vlookup一下！