【生信】R语言进行id转换的方法（附可直接使用代码）

本文我都默认已经下载好了表达矩阵exp了哦
代码都是直接给出来了，需要修改的地方我进行了标记
一般只要修改一下都能直接用了

方法一：下载平台数据以得到对应信息

然后进入官网https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi，在这里我以GSE26682为例，点击红圈中的链接
然后下载soft.gz文件（一般是下面一个）

首先在分析前需要加载几个必要的包，可以通过以下方法下载

if (!requireNamespace("BiocManager", quietly = TRUE)) { 
  install.packages("BiocManager",ask = F, update = F)
}

BiocManager::install("GEOquery")
BiocManager::install("limma")
BiocManager::install("affy") 

只有一个平台

gse <- getGEO("你的GSE序号", destdir = ".",
                getGPL = T,
                AnnotGPL = T) # 此处更改GSE序号

gse[[1]]

data <- read.csv("表达矩阵的地址") # 此处更改表达矩阵地址 

# 表达矩阵也可以通过这个方法获得
# exp <- exprs(gse[[1]])  

GPL <- getGEO(filename = "刚刚下载的soft.gz文件的地址") # 此处增加soft.gz文件地址

gpl <- GPL@gpls[[1]]@dataTable@table
data <- aggregate(.~ID_REF, data, mean) # 对数据进行去重，重复的取平均

colnames(gpl) 
ids <- gpl[, c(a, b)] # 此处将a和b更改为前面列出的列名中的id和gene symbol的位置
colnames(ids) <- c("ID_REF", "symbol") # 此处将列名与表达矩阵中的列名进行统一，不一定是ID_REF和symbol，需要按照对应的进行修改
re <- merge(data, ids, by.x = "ID_REF", by.y = "ID_REF") # 此处同理，不一定是ID_REF

re <- re[!apply(is.na(re) | re$symbol == "", 1, all), ] # 删除空白值
re <- na.omit(re) # 去除na值
re$symbol <- data.frame(sapply(re$symbol,
                                 function(x)unlist(strsplit(x, "///"))[1]),
                          stringsAsFactors = F)[, 1]
                          
write.csv(re, file = "给文件取个名.csv") # 保存文件

有两个平台

library(GEOquery)
library(limma)
library(affy)
library(dplyr)

gse <- getGEO("你的GSE序号", destdir = ".",
                getGPL = T,
                AnnotGPL = T) # 此处更改GSE序号

fdata_1 <- fData(gse[[1]])
fdata_2 <- fData(gse[[2]])

sampleNames_1 <- sampleNames(gse[[1]])
sampleNames_2 <- sampleNames(gse[[2]])

gene_1 <- fdata_1[, c("ID", "gene_symbol")] # 将fdata_1中的 “id”列和“gene_symbol”列进行提取，注意：可能叫ID_REF，不一定就叫“id”

gene_1$gene_symbol <- data.frame(sapply(gene_1$gene_symbol,
                                               function(x)unlist(strsplit(x, "//"))[1]),
                                        stringsAsFactors = F)[, 1]
gene_1 <- na.omit(gene_1)

gene_2$gene_symbol <- data.frame(sapply(gene_2$gene_symbol,
                                               function(x)unlist(strsplit(x, "//"))[1]),
                                        stringsAsFactors = F)[, 1]
                                      
fdata_2 <- na.omit(fdata_2)

gene_2 <- fdata_2[, c("ID", "gene_symbol")] # 将fdata_1中的 “id”列和“gene_symbol”列进行提取，注意：可能叫ID_REF，不一定就叫“id”

gene_1 <- gene_1[!apply(is.na(gene_1) | gene_1$gene_symbol == "", 1, all), ]
gene_2 <- gene_2[!apply(is.na(gene_2) | gene_2$gene_symbol == "", 1, all), ]

gene_total <- rbind(gene_1, gene_2)
index_gene_total <- duplicated(gene_total$ID)
gene_total <- gene_total[!index_gene_total, ] # 去重，只保留第一个

data <- read.csv("表达矩阵的地址")

# 表达矩阵也可以通过这个方法获得
# exp <- exprs(gse[[1]])  

colnames(gene_total) <- c("ID_REF", "gene_symbol") # 此处将列名与表达矩阵中的列名进行统一，不一定是ID_REF和symbol，需要按照对应的进行修改
re <- merge(data, gene_total, by.x = "ID_REF", by.y = "ID_REF")

write.csv(re_1, file = "给他取个名.csv")

注意事项

gene assignment 和 gene symbol的关系

有时候gene symbol会在gene assignment里面，需要我们自行进行提取，这时候我么可以利用这个结构（这个是需要自己理解一下代码基础用法的），只要改一下第二行最后方框里面的数字就可以提取“//”这个符号前面的还是后面的内容

gene_2$gene_symbol <- data.frame(sapply(gene_2$gene_symbol,
                                               function(x)unlist(strsplit(x, "//"))[1]),
                                        stringsAsFactors = F)[, 1]

gene symbol中存在空格的问题

可以用一下的参数进行更改列名（需要改一下名字等等）

names(fdata_2)[names(fdata_2) == "gene_assignment"] <- "gene_symbol"

使用bitr()函数

这是我在最开始学id转换时候用的最多的，因为它很方便，不用下载什么乱七八糟的文件，对于我家这个很烂的网络很有利，但是有个致命的缺点：不一定能对所有的id进行转换，也就是说存在一个“正确率”的问题，这样的话，最后得出的结论也就存在一定的误差，这样就不太符合科研工作者严谨的态度吧，所以不太建议使用！！！
只有在走投无路时候再使用！

加载包

library(clusterProfiler)
library(org.Hs.eg.db)

看一下这个R包里面提供哪几种数据类型的下载方式

keytypes(org.Hs.eg.db)

开始转换工作

ids = rownames(exp)
ids = as.data.frame(ids)
colnames(ids) = "ID" 

result <- bitr(ids$ID,  # 数据框
      fromType = "PMID",   # 你的ID的数据类型
      toType = c("SYMBOL","ENSEMBL"),  # 转化的数据类型
      OrgDb = org.Hs.eg.db)  # org.Hs.eg.db——人类