Biological Id转换(富集分析时)

第一种方法

mapIds(x, keys, column, keytype, …, multiVals)
参数:
x——the AnnotationDb object
keys——the keys to select records for from the database
column——the column to search on (for mapIds)
keytype——the keytype that matches the keys used

library(AnnotationDbi)
gene<-c('CCDC136','LINC00917','DBT','MDM4','JAKMIP1')
t1<-mapIds(org.Hs.eg.db, gene, 'ENTREZID', 'SYMBOL')
# CCDC136 LINC00917       DBT      MDM4   JAKMIP1
# "64753"  "732275"    "1629"    "4194"  "152789"

第二种方法

bitr(geneID, fromType, toType, OrgDb, drop = TRUE)
参数:
geneID——input gene id
fromType——input id type
toType——output id type
OrgDb——annotation db
drop——drop NA or not

t2<- bitr(gene, fromType = "SYMBOL",toType = 'ENTREZID',OrgDb = org.Hs.eg.db)
#      SYMBOL ENTREZID
# 1   CCDC136    64753
# 2 LINC00917   732275
# 3       DBT     1629
# 4      MDM4     4194
# 5   JAKMIP1   152789

fromType和toType取决于OrgDb。 idTypes <- idType(OrgDb)
对于org.Hs.eg.db而言,idType(org.Hs.eg.db)

# [1] "ACCNUM" "ALIAS" "ENSEMBL" "ENSEMBLPROT"  
"ENSEMBLTRANS"
# [6] "ENTREZID" "ENZYME" "EVIDENCE" "EVIDENCEALL"  
"GENENAME"
# [11] "GO" "GOALL" "IPI"  "MAP" "OMIM"
# [16] "ONTOLOGY"  "ONTOLOGYALL"  "PATH" "PFAM"  "PMID"
# [21] "PROSITE" "REFSEQ" "SYMBOL" "UCSCKG" "UNIGENE"
# [26] "UNIPROT"

第三种方法

bitr_kegg(geneID, fromType, toType, organism, drop = TRUE)
其中,fromType, toType:“Path”, “Module”, “ncbi-proteinid”, “ncbi-geneid”, “uniprot”, “kegg”

t3<- bitr_kegg(t2$ENTREZID, fromType='ncbi-geneid', toType="ncbi-proteinid",organism='hsa')
#  ncbi-geneid ncbi-proteinid
#1      152789   NP_001293062
#2        1629      NP_001909
#3        4194      NP_002384
#4       64753      NP_073579
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用R语言中的GOplot包来进行富集分析气泡图的绘制。GOplot是一个用于绘制基因本体富集分析结果的R包,可以根据富集分析的结果生成气泡图。 下面是一个使用GOplot包绘制富集分析气泡图的示例代码: 首先,确保已经安装了GOplot包和其他所需的依赖包: ```R install.packages("GOplot") install.packages("ggplot2") install.packages("dplyr") ``` 接下来,加载所需的包: ```R library(GOplot) library(ggplot2) library(dplyr) ``` 然后,准备富集分析结果数据。假设你已经进行了基因本体富集分析,并获得了如下的结果数据: ```R # 示例富集分析结果数据 enrichment_results <- data.frame( GO_term = c("GO:0006954", "GO:0008150", "GO:0003674"), Description = c("Inflammatory response", "Biological process", "Molecular function"), p_value = c(0.001, 0.005, 0.01), gene_count = c(100, 200, 150), query_count = c(500, 500, 500) ) ``` 接下来,使用GOplot包中的`plotGOBubble`函数绘制气泡图: ```R # 绘制气泡图 plotGOBubble( enrichment_results, col = "p_value", size = "gene_count", title = "GO Enrichment Analysis Bubble Plot", x = "Description", y = "GO_term", shading = "p_value", x_text_size = 4, y_text_size = 4, text_color = "black", text_col = "black" ) ``` 这段代码将根据富集分析结果数据绘制出气泡图,气泡的大小表示基因数量,颜色表示显著性水平。 请注意,这只是一个示例代码,你需要根据你自己的富集分析结果数据进行相应的调整。另外,你可能还需要调整气泡图的样式和其他参数,以满足你的需求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值