答读者问(8)：如何批量查询marker基因(对应的蛋白)会不会在膜上表达？

做实验的朋友们对这个问题应该是很感兴趣的，因为涉及到后续能不能实验验证。

一般的做法是拿基因名或者蛋白名去查文献，查网站。我知道的：uniprot、PDB、the human protein atlas都能查到蛋白质表达定位相关的信息。网址分别如下：

• https://www.uniprot.org/
• https://www.rcsb.org/
• https://www.proteinatlas.org/

以uniprot为例，假设我想查询CD79B这个基因/蛋白，网站输入基因名，在结果页面的左侧菜单栏，点击Subcellular location

之后，蛋白的亚细胞定位就显示出来了：
有两个参考结果：uniprot annotation和GO annotation

两个参考结果的意思差不多，都说的是膜蛋白。

但是如果我把这个方法发给他，我内心会不安，因为一个一个查太耗时间了。

所以就写了这篇帖子，教他如何批量查询。
先来看看最初的marker gene表格：

然后开整

# install.packages("UniprotR")
# BiocManager::install("GenomicAlignments")
library(UniprotR)
library(tidyverse)
library(org.Hs.eg.db)
markerdf=read.csv("test_marker_gene.csv",header = T) #Seurat::FindAllMarkers得到的数据框
namedf=clusterProfiler::bitr(markerdf$gene,fromType="SYMBOL", toType=c("UNIPROT"), OrgDb="org.Hs.eg.db") #会有一对多的情况

namedf$s_c=""
namedf$go_c=""
for (i in 1:nrow(namedf)) {
  go_cellular_component <- GetProteinAnnontate(ProteinAccList = namedf$UNIPROT[i],columns = "go_c")
  
  subcellular_location_res=GetSubcellular_location(ProteinAccList = namedf$UNIPROT[i])
  subcellular_location_res=subcellular_location_res[,1]
  
  namedf$go_c[i] = go_cellular_component
  namedf$s_c[i] = subcellular_location_res
  print(i)
}
colnames(namedf)[1]="gene"
markerdf2=markerdf%>%left_join(namedf,by = "gene")

最后的表格是这样的：

代码很容易，使用起来应该没有什么难度。

这种批量的方法用到的R包，UniprotR，其实是通过API的方法访问Uniprot网站获取信息。

我上一次讲的如何获取kegg通路的基因列表，也是用的这类方法，涉及到的R包是KEGGREST。

并不是每次给读者答疑我都会写帖子，网上很容易搜到答案的，我不想写。

ok,这一期的答疑就到这里，祝大家生活愉快！

往期答疑

答读者问(7)：关于doublet

答读者问(6)：单细胞TPM矩阵如何分析？

答读者问(5)：提取monocle2的拟时序/坐标重新画图

答读者问(4)：inferCNV的几个问题

答读者问(2)：细胞cluster没有聚在一起；去不去批次效应

答读者问(1)：非模式物种找marker；如何根据marker定义细胞类型