常见4种基因ID如何区别？如何转换？

常见的4种基因标识

人类基因在不同数据库中有不同的基因标识，常见的有以下5种类型：

• NCBI Gene symbol

• NCBI Entrez ID

• Ensembl gene ID

• UniProt ID

NCBI数据库

• 以 TP53 在NCBI的Gene数据库的记录为例：

左上角为TP53的Entrez ID

• Gene symbol：基因通用名称，根据来源分为 offical symbol 和 loc symbol
• official symbol 是由HGNC组织提供的基因通用名称；如果基因暂无official symbol，就在Entrez ID的前面添加LOC前缀作为其symbol, 比如LOC100653049
• Entrez ID：为一串数字，是NCBI数据库给每一个基因指定的唯一ID，例如TP53的Entrez ID为7157
• 一个 Entrez ID 可能对应多个 Gene symbol，如TP53还有其他名字如P53、LFS1等

Ensembl数据库

Ensembl ID 的格式是：

【物种前缀】【类型前缀（基因或蛋白等）】【数字编号】【版本号后缀】

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

• 和 Entrez ID 类似，一个 Ensembl ID 也可能对应多个 Gene symbol。
• Ensembl ID 的应用似乎最为广泛，在处理多数据集的表达矩阵时，可以全部转换为Ensembl ID从而统一不同数据集Gene symbol名称

UniProt数据库

• 以 TP53 在UniPot数据库中的记录为例：

Q12888即为TP53的UniProt ID

• UniProt gene ID 的格式是：【大写字母】【数字编号】

如何转换基因ID？（推荐 g:Profiler 网页工具）

clusterProfiler包转换

• 转换需要用的R包包括 clusterProfiler 和 org.Hs.eg.db

• 后者是human对应的基因注释包，其他物种的注释包可在以下链接中找到
• http://bioconductor.org/packages/release/BiocViews.html#___OrgDb

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

keytypes(org.Hs.eg.db) #查看所有的可转换类型
#[1] "ACCNUM"       "ALIAS"        "ENSEMBL"      "ENSEMBLPROT" 
#[5] "ENSEMBLTRANS" "ENTREZID"     "ENZYME"       "EVIDENCE"    
#[9] "EVIDENCEALL"  "GENENAME"     "GENETYPE"     "GO"          
#[13] "GOALL"        "IPI"          "MAP"          "OMIM"        
#[17] "ONTOLOGY"     "ONTOLOGYALL"  "PATH"         "PFAM"        
#[21] "PMID"         "PROSITE"      "REFSEQ"       "SYMBOL"      
#[25] "UCSCKG"       "UNIPROT"  

ensembleID = c("ENSG00000176463","ENSG00000175445","ENSG00000077713","ENSG00000205517","ENSG00000145103","ENSG00000054983","ENSG00000162777","ENSG00000068985","ENSG00000180264","ENSG00000101144")

idTable <- bitr(geneID = ensembleID, 
                fromType = "ENSEMBL", 
                toType = c('ENTREZID','SYMBOL','GENETYPE'),
                OrgDb = org.Hs.eg.db) #指定物种基因注释包

idTable

• 在转换后部分列的ID可能会出现重复 ，需要特别注意并进行去重

网页工具 g:Profiler 转换

• 使用 clusterProfiler包 进行转换时经常会出现无法匹配的情况，似乎还是网页工具更好一些
• g:Profiler 网页工具可以进行各种基因ID的转换，同时可以导出为tsv文件

• Target namespace 常用选项列举如下：

选项	描述
ENSG	即 Ensemble ID
ENTREZGENE	NCBI的gene数据库中的基因名
ENTREXGENE_ACC	NCBI的gene数据库中的基因编号（Accession），即Entrez ID
UNIPROT_GN	Uniprot数据库中的基因名
UNIPROT_GN_ACC	Uniprot数据库中的基因序号