不同版本gene ID比较

不同数据库采用的Gene 和 Protein 编号 ID 也不同的, 用不同数据库数据时需要 ID 转换.

常用

ID 示例	ID 来源
ENSG00000116717	Ensemble ID
GA45A_HUMAN	UniProtKB/Swiss-Prot, entry name
A5PJB2_BOVIN	UniProtKB/TrEMBL, entry name
A2BC19, P12345, A0A022YWF9	UniProt, accession number
GLA, GLB, UGT1A1	HGNC Gene Symbol
U12345, AF123456	GenBank, NCBI, accession number
NT_123456, NM_123456, NP_123456	RefSeq, NCBI, accession number
10598, 717	Entrez ID, NCBI
uc001ett, uc031tla.1	UCSC ID

Ensembl stable IDs

Ensembl stable ID 的结构是物种前缀, 数据类型, 如基因蛋白质, 数字. 不同版本在 Ensembl ID 后面加上小数点和版本号.

• 常用物种前缀

前缀	学名
ENSCEL	Caenorhabditis elegans (Caenorhabditis elegans)
ENSCAF	Canis lupus familiaris (Dog)
ENSDAR	Danio rerio (Zebrafish)
FB	Drosophila melanogaster (Fruitfly)
ENS	Homo sapiens (Human)
ENSMUS	Mus musculus (Mouse)
ENSRNO	Rattus norvegicus (Rat)
ENSXET	Xenopus tropicalis (Xenopus)

• 类型前缀

前缀	类型
E	exon
FM	Ensembl protein family
G	gene
GT	gene tree
P	protein
R	regulatory feature
T	transcript

UniProt

UniProt 录入数据分配唯一 entry name.

• UniProtKB/Swiss-Prot entry name
  UniProtKB/Swiss-Prot entry name 最多 11 位包含大写字母的字符串, 一般有着 “X_Y” 的形式, 其中 “X” 是最多五个便于记忆的蛋白质编号, “_” 是下划线, “Y” 是最多五个便于记忆的物种编号.

蛋白质编号示例:

Code(X)	Recommended protein name	Gene name
B2MG	Beta-2-microglobulin	B2M
HBA	Hemoglobin subunit alpha	HBA1
INS	Insulin	INS
CAD17	Cadherin-17	CDH17

物种编号示例:

Code	Species
BOVIN	Bovine
CHICK	Chicken
ECOLI	Escherichia coli
HORSE	Horse
HUMAN	Homo sapiens
MAIZE	Maize (Zea mays)
MOUSE	Mouse
PEA	Garden pea (Pisum sativum)
PIG	Pig
RABIT	Rabbit
RAT	Rat
SHEEP	Sheep
SOYBN	Soybean (Glycine max)
TOBAC	Common tobacco (Nicotina tabacum)
WHEAT	Wheat (Triticum aestivum)
YEAST	Baker’s yeast (Saccharomyces cerevisiae)

• UniProtKB/TrEMBL entry name
  UniProtKB/TrEMBL entry name 最多 16 位包含大写字母的字符串, 一般有着 “X_Y” 的形式, 其中 “X” 是 6 到 10 个字符组成的 accession number, “_” 是下划线, “Y” 是最多五个便于记忆的物种编号.
• Accession Number
  UniProtKB 的 Accession Number 相当于数据库主键, 由 6 到 10 个大写字母或者数字组成. 其构成规律为: [OPQ][0-9][A-Z0-9]{3}[0-9]|[A-NR-Z]0-9{1,2}

HUGO Gene Nomenclature Committee

• Gene Symbol
  Gene Symbol 是表示基因的编码, 由大写字母构成, 或由大写字母和数字构成, 首位是字母.

如: GLA “galactosidase, alpha”; GLB “galactosidase, beta”; UGT1A1 “UDP glycosyltransferase 1 family, polypeptide A1” 再到 UGT1A13 代表了 13 个不同的 gene symbol.

NCBI

• GenBank Accession Number
  GenBank 通用 accession number 由一个大写字母加上 5 个数字的组合, 或者两个大写字母加上 6 个数字的组合.
• RefSeq Accession Number
  RefSeq 有一套特殊的 Accesion Number. 形式是: [A-Z]{2}[_][0-9]{6:}, 两个大写字母, 一个下划线, 6 个或更多数字.

Accession 前缀	类型	说明
AC_	Genomic	Complete genomic molecule, usually alternate assembly
NC_	Genomic	Complete genomic molecule, usually reference assembly
NG_	Genomic	Incomplete genomic region
NT_	Genomic	Contig or scaffold, clone-based or WGS
NW_	Genomic	Contig or scaffold, primarily WGS
NS_	Genomic	Environmental sequence
NZ_	Genomic	Unfinished WGS
NM_	mRNA
NR_	RNA
XM_	mRNA	Predicted model
XR_	RNA	Predicted model
AP_	Protein	Annotated on AC_ alternate assembly
NP_	Protein	Associated with an NM_ or NC_ accession
YP_	Protein
XP_	Protein	Predicted model, associated with an XM_ accession
ZP_	Protein	Predicted model, annotated on NZ_ genomic records

• Entrez ID
  Entrez 是 NCBI 能够对众多数据库进行联合搜索的搜索引擎, 其对不同的 Gene 编号, 每个 gene 的编号就是 entrez gene id. 由于 entrez id 相对稳定, 所以也被众多其他数据库, 如 KEGG 等采用. Entrez Gene ID 就是一系列数字, 也比较容易辨识. R 或网站都有众多的工具可以帮助从不同的 ID 转换为 entrez id 或者反向转换.

UCSC ID

UCSC ID 由小写字母和数字构成, 起始均为 uc, 然后三位数字, 三位小写字母, 最后有小数点和数字构成版本号.

如: uc010qfk.3, uc010qfk.3.

ID Mapping

• Uniprot ID mapping 可以很方便地把 ID 转换为其他 ID 类型, 所包含的类型十分全面.
• bioDBnet 网站提供了常见的 ID 转换的选项, 类型全面.
• DAVID Gene ID Conversion Tool 可以把 Gene ID 转换为多种常用类型和 DAVID ID, 方便进一步用 DAVID 做 GO 分析.
• BridgeDB 一套提供 ID 转换的框架.
• Human genes converter 把常用的 Ensambl ID 或 Symbol 转换为 Gene 的 Entrez ID.

---

• 水稻的基因号大致分为两类，RAP格式为“Os-Chr-g-number”，MSU格式为“LOC_Os-Chr-g-number”。各种分析输入的基因号有指定要求，ID转换至关重要。
• 网页工具完成ID转换，如Ensemble Plants(http://plants.ensembl.org/index.html)，RAP-Db(https://rapdb.dna.affrc.go.jp/)，RIGW(http://rice.hzau.edu.cn/rice/)。
  Ensemble开发的R包-biomaRt
• .OryzaExpress：http://bioinf.mind.meiji.ac.jp/OryzaExpress/ID_converter.php RAP/MSU互转
• biomaRt RAP转entrezgene_id（NCBI）

---

ref:
https://www.cnblogs.com/wangshicheng/p/11171058.html