不同物种也能合并做生信？给你支个妙招，让数据起死回生！

你的基因和小鼠的基因之间可能就差一个同源转换~

Hi，大家好，这里是晨曦碎碎念，在这里将记载着晨曦学习路上的一些心得和感悟，也放在这里和大家一起分享~
今天我们的主题是——biomaRt包实现不同物种之间同源基因转换

晨曦单细胞数据库系列传送门

宝儿，5min掌握一个单细胞数据库，今年国自然就靠它了！（附视频）

审稿人返修让我补单细胞数据咋办？这个神器帮大忙了！

想白嫖、想高大上、想有高大上的SCI？这个单细胞数据库，你肯定用得上！（配视频）

What? 扎克伯格投资了这个数据库？炒概念？跨界生信？

引言

说起来很有意思，之所以会想起来学习这里，主要是因为前段时间我和身边同学有了一次争论。

A同学

曦曦，你说小鼠可算是实验动物中最接近人的了，那么人和小鼠之间的同源基因可以如何转换呢？

曦曦

停停，和人最相近的不是猩猩吗？

A同学

。。。。。。。

B同学

晨曦啊，你实验室养猩猩了啊！~

曦曦

（望天状QAQ）那就简单的大小写转换不就好了，毕竟人的Gene symbol基本都是大写，小鼠的基本都是小写~

A同学和B同学

你都说“基本”了，那万一出错了呢？

曦曦

。。。。。。

所以这篇推文应运而生，让我们开始今天的学习吧~

背景知识

大约有接近80%的小鼠蛋白质在人类基因组中具有严格的1:1种间同源体，其序列同一性通常介于70%-100%。

富集分析因为大多数参考数据集都是人的，所以我们可以通过映射来解释小鼠该基因的功能。

我们这里可以使用biomarRt包把小鼠的gene ID进行同源映射到人的基因上去，进而展开后续的单基因分析。

代码讲解

#安装R包if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager")BiocManager::install("biomaRt")library(biomaRt)#流程：#第一步：明确biomart中哪些数据库可以使用（用listMarts函数）#第二步：链接到四大数据集中的其中之一（用usemart函数）#第三步：使用listDatasets函数调取选定的四大数据库之一的子数据库（基因组注释分类）#第四步：选定需要的基因组注释分类（useDataset()函数）#第一步：明确biomart中哪些数据库可以使用（用listMarts函数）#可见该R包管理数据库的形式是层层管理（四大数据库下又包含很多子集）listMarts()# biomart version#1 ENSEMBL_MART_ENSEMBL Ensembl Genes 104#2 ENSEMBL_MART_MOUSE Mouse strains 104#3 ENSEMBL_MART_SNP Ensembl Variation 104#4 ENSEMBL_MART_FUNCGEN Ensembl Regulation 104#第二步：链接到四大数据集中的其中之一（用usemart函数）plant = useMart('ensembl')#调取的是四大数据排名第一的#第三步：使用listDatasets函数展示选定的四大数据库之一的子数据库listDatasets(plant)#查看大数据库下的子数据库# dataset#1 acalliptera_gene_ensembl#2 acarolinensis_gene_ensembl#3 acitrinellus_gene_ensembl#4 amelanoleuca_gene_ensembl#5 amexicanus_gene_ensembl#6 anancymaae_gene_ensembl#7 aocellaris_gene_ensembl#···#···#54 hsapiens_gene_ensembl#我们后面用到的是hsapiens_gene_ensembl这个数据集。还有小鼠的mmusculus_gene_ensembl数据集##第四步：选定需要的基因组注释分类（useDataset()函数）#示例：useDataset(dataset,mart, verbose = FALSE)#dataset就是要使用的数据集（使用listDatasets函数）#mart是使用useMart函数创建的Mart对象（锁定的四大数据库之一）#实践：mart <- useDataset("hsapiens_gene_ensembl", useMart("ensembl"))#使用lsitFilters()函数查看可选择的类型，选定要获取的注释类型，以及已知注释的类型#这里的变量mart必须得选定数据集赋值后才可以运行listFilters(mart)# name#1 chromosome_name#2 start#3 end#4 band_start#5 band_end#6 marker_start

上面铺垫结束，我们进行同源基因转换其实也就是这个流程的double版本

代码实战

#第一步：选择要使用的BioMart 数据库和数据集human <- useMart('ensembl',dataset = "hsapiens_gene_ensembl")mouse <- useMart('ensembl',dataset = "mmusculus_gene_ensembl")#第二步：使用getLDS函数（可以简单理解为同时对选定的多个数据集进行检索）m2h.g <- getLDS(attributes = c("mgi_symbol"),filters = "mgi_symbol", values = "Tmx2",mart = mouse, attributesL = c("hgnc_symbol","chromosome_name","start_position"), martL = human,uniqueRows = T)

晨曦解读

这里说一下晨曦对于getLDS函数的理解

首先我们拥有一个小鼠A基因，然后我们想要得到其同源映射的人类A基因

第一步：我们需要在小鼠的数据库中去定位这个基因，attributes参数为我们定位后得到的基因类型，因为这里我们只是进行一下定位，并不是想改变其形式，所以依旧是小鼠基因所以我们这里选择mgi_symbol

第二步：filters参数为我们已知的基因类型，也就是小鼠A基因，所以这里也填写mgi_symbol

第三步：定位好以后就是跨数据库进行比对并且获得我们想要的信息，这里attrebutes参数依旧是我们想要的数据类型

这里再解释一下各个参数，当然最准确的还是直接去看帮助文档~

attributes：属性参数；代表着我们所要检索的数据集的属性参数，比如这里我们用的是mgi_symbol，代表的就是小鼠的基因的symbol名字。这里我们可以使用listAttributes函数检索可以使用的属性参数

head(listAttributes(mouse))namedescription page1ensembl_gene_id Gene stable ID feature_page2ensembl_gene_id_version Gene stable ID version feature_page3ensembl_transcript_id Transcript stable ID feature_page4ensembl_transcript_id_version Transcript stable ID version feature_page5ensembl_peptide_id Protein stable ID feature_page6ensembl_peptide_id_version Protein stable ID version feature_page

filter：过滤器，应在查询中使用的过滤器。这些过滤器将应用于主数据集。可以使用函数listFilters检索可能的过滤器列表

value：输入我们构造的要映射的向量

比如这里可以是一串小鼠相关的基因，以向量的形式组建,这里我们拿一个小鼠基因“Tmx2”举例子

mart ：指的是输入数据的mart对象，由于输入数据是小鼠的基因，自然选择的mart对象为小鼠。

attributesL：代表的是我们需要同源转化的另外一个数据库，这里我们自然是由小鼠转为人，选择的就是需要连接到的人的Mart对象，在属性参数里面我们填写了三个参数，分别是gene_symbol ,染色体位置，基因起始位点

useMartL：代表我们需要链接的Mart对象，这里自然就是人的

最后运行得到的结果如下：

晨曦解读

有映射不到或者映射多个是很正常的，取其中结果即可（背景知识有提示）

这里看到确实是大小写发生了变化（Ps：但是不代表所有都是哦，更多的细节小伙伴们可以多多探索哦~）

纯代码

library(biomaRt)human = useMart("ensembl", dataset = "hsapiens_gene_ensembl")mouse = useMart("ensembl", dataset = "mmusculus_gene_ensembl")genes = c("目标基因")genes = getLDS(attributes = c("mgi_symbol"), filters = "mgi_symbol",values = genes ,mart = mouse,attributesL = c("hgnc_symbol","chromosome_name", "start_position"),martL = human,uniqueRows=T)genes

进阶

当然我们每次写这些代码可能会有点麻烦，把代码封装一下，是不是更好呢？

convertMouseGene <- function(x){ library("biomaRt") human <- useMart("ensembl", dataset = "hsapiens_gene_ensembl") mouse <- useMart("ensembl", dataset = "mmusculus_gene_ensembl") genes <- getLDS(attributes = c("mgi_symbol"), filters = "mgi_symbol", values = x , mart = mouse, attributesL = c("hgnc_symbol"), martL = human, uniqueRows=T) return(genes) }convertMouseGene("Tmx2")# MGI.symbol HGNC.symbol#1 Tmx2 TMX2

至此，这期的晨曦碎碎念就结束啦~

Ps：评论区留言感兴趣的内容，如果晨曦能力足够或者感兴趣的话，说不定下一次碎碎念就是你感兴趣的内容哦~

晨曦单细胞笔记系列传送门

1. 首次揭秘！不做实验也能发10+SCI，CNS级别空间转录组套路全解析（附超详细代码！）

2. 过关神助！99%审稿人必问，多数据集联合分析，你注意到这点了吗？

3. 太猛了！万字长文单细胞分析全流程讲解，看完就能发文章！建议收藏！（附代码）

4. 秀儿！10+生信分析最大的难点在这里！30多种方法怎么选？今天帮你解决！

5. 图好看易上手！没有比它更适合小白入手的单细胞分析了！老实讲，这操作很sao！

6. 毕业救星！这个R包在高分文章常见，实用！好学！

7. 我就不信了，生信分析你能绕开这个问题！今天一次性帮你解决！

晨曦从零开始学画图系列传送门

1. 看完这篇，彻底掌握生信画图精髓！超级实用，我不许你不知道！