Ensemble ID
Ensemble ID 是Ensembl 數據庫使用的ID標識符，用於標識不同的分子特征，如基因，轉錄本，外顯子，蛋白。大多數據庫都有一套自己的ID命名。ID 主要是為消除歧義，在特征注釋或數據庫更新時也能保持一致。不像人為命名的分子名字，如基因名字那樣可能發生改變。就類似於我們的身份證號, 名字方便於平常的交流使用，ID是獨一無二的。
ID 格式
Ensemble ID 個格式是
ENS[物種符號][分子特征][獨一無二的11位數字]
ENS[物種符號]
- Ensemble ID 基本上是以ENS開頭，后接表示物種的符號,
ENSMUS: 表示Mus musculus (Mouse) - Homo sapiens 直接以ENS表示
- 少部分的，以其他開頭
分子特征
| 特征符號 | 特征 |
|---|---|
| G | gene |
| T | transcript |
| E | exon |
| P | protein |
| R | regulatory feature |
| FM | Ensembl protein family |
| GT | gene tree |
根據以上規則，當看到一個Ensemble ID時，我們就可以判斷出它來自什么物種，屬於什么特征。
比如:
ENSMUSG00000000031: 小鼠基因
ENSMUST00000000031: 小鼠轉錄本
ENSMUSP00000000031: 小鼠蛋白
ENSG00000000031： 人基因
詳細的物種符號表示，可以見：
http://asia.ensembl.org/info/genome/stable_ids/prefixes.html
版本號
通常，我們還會遇到類似這種ENSMUSG00000000031.2 ，id末尾有小數的情況。這是特征的版本號。當ID所表示的特征有變化時，版本號就會增加。版本號增加規則，詳見：
http://asia.ensembl.org/info/genome/stable_ids/index.html
ID 轉換
這里介紹三種ID轉換的方式
bitr
ID 轉換借助Y叔的clusterProfiler中的bitr(Biological Id TRanslator)。
### 安裝 clusterProfiler
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("clusterProfiler")
此外還需要對應物種的基因注釋包。注釋包可以去下面鏈接找對應物種安裝（有20個）：
http://bioconductor.org/packages/release/BiocViews.html#___OrgDb
以小鼠的的為例，安裝：
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("org.Mm.eg.db")
下面是代碼了
library(clusterProfiler)
library(org.Mm.eg.db)
### 以這3個ID為例
gene.ens.id <- c("ENSMUSG00000028901.1", "ENSMUSG00000051910.2", "ENSMUSG00000051390.3")
## 有版本號，直接轉不行的, 這句代碼是去除版本號的
gene.ens.id <- gsub("\\..*", "", gene.ens.id)
gene.symbol <- bitr(geneID = gene.ens.id,
fromType = "ENSEMBL",
toType = c("ENTREZID", "SYMBOL", "GENENAME"),
OrgDb = org.Mm.eg.db)
---------------------------------------------------------------------------------------------------------
> gene.symbol
ENSEMBL ENTREZID SYMBOL GENENAME
1 ENSMUSG00000028901 56809 Gmeb1 glucocorticoid modulatory element binding protein 1
2 ENSMUSG00000051910 20679 Sox6 SRY (sex determining region Y)-box 6
3 ENSMUSG00000051390 81630 Zbtb22 zinc finger and BTB domain containing 22
- geneID ，需要轉換的ID
- fromType ，當前ID類型
- toType， 轉換成什么ID
- OrgDb, 注釋數據庫
使用keytypes可以查看注釋包的所有 ID 類型。
> keytypes(org.Mm.eg.db)
[1] "ACCNUM" "ALIAS" "ENSEMBL" "ENSEMBLPROT" "ENSEMBLTRANS" "ENTREZID" "ENZYME" "EVIDENCE"
[9] "EVIDENCEALL" "GENENAME" "GO" "GOALL" "IPI" "MGI" "ONTOLOGY" "ONTOLOGYALL"
[17] "PATH" "PFAM" "PMID" "PROSITE" "REFSEQ" "SYMBOL" "UNIGENE" "UNIPROT"
ENSEMBL是 Ensemble gene IDENSEMBLTRANS是 Ensemble transcript IDENSEMBLPROT是 Ensemble protein ID
select
直接使用AnnotationDbi 注釋包的select函數。
library(AnnotationDbi)
library(org.Mm.eg.db)
### 以這5個ID為例， 最后兩個，一個是重復id,另一個不存在的id
gene.ens.id <- c("ENSMUSG00000028901.1", "ENSMUSG00000051910.2", "ENSMUSG00000051390.3", "ENSMUSG00000051390.3", "ENSMUSG00000051399.3")
gene.ens.id <- gsub("\\..*", "", gene.ens.id)
gene.id <- AnnotationDbi::select(org.Mm.eg.db, keytype = "ENSEMBL", keys = gene.ens.id, columns = c("ENTREZID", "SYMBOL", "GENENAME"))
------------------------------------------------------------------------------------------------------------------
> gene.id
ENSEMBL ENTREZID SYMBOL GENENAME
1 ENSMUSG00000028901 56809 Gmeb1 glucocorticoid modulatory element binding protein 1
2 ENSMUSG00000051910 20679 Sox6 SRY (sex determining region Y)-box 6
3 ENSMUSG00000051390 81630 Zbtb22 zinc finger and BTB domain containing 22
4 ENSMUSG00000051390 81630 Zbtb22 zinc finger and BTB domain containing 22
5 ENSMUSG00000051399 <NA> <NA> <NA>
biomaRt 轉換
上面兩種借助於的AnnotationDb注釋包的數據進行的轉換，限於版本，可能有些id轉換不成功。使用biomaRt 可以獲取Ensembl 上更新的數據。也可以直接用帶版本號的id進行轉換查詢
### 先安裝
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("biomaRt")
library(biomaRt)
### 設置查詢數據庫和數據集
ensembl <- useEnsembl(biomart = "genes", dataset = "mmusculus_gene_ensembl")
數據庫和數據集選擇
listEnsembl() # 列出可使用數據庫，基因id轉換的選擇genes
## biomart version
##1 genes Ensembl Genes 104
##2 mouse_strains Mouse strains 104
##3 snps Ensembl Variation 104
##4 regulation Ensembl Regulation 104
datasets <- listDatasets(ensembl) ## # 列出數據集，
### 一共200多一點，按照首字母排序的，還是容易找到想要的物種
###，Mouse選擇 mmusculus_gene_ensembl
### 人的選擇hsapiens_gene_ensembl
head(datasets)
## dataset description version
## 1 abrachyrhynchus_gene_ensembl Pink-footed goose genes (ASM259213v1) ASM259213v1
## 2 acalliptera_gene_ensembl Eastern happy genes (fAstCal1.2) fAstCal1.2
## 3 acarolinensis_gene_ensembl Green anole genes (AnoCar2.0v2) AnoCar2.0v2
## 4 acchrysaetos_gene_ensembl Golden eagle genes (bAquChr1.2) bAquChr1.2
## 5 acitrinellus_gene_ensembl Midas cichlid genes (Midas_v5) Midas_v5
## 6 amelanoleuca_gene_ensembl Giant panda genes (ASM200744v2) ASM200744v2
查詢ID，轉換ID
## 小鼠轉錄本ID為例
mm_tran_id_version <- c("ENSMUST00000192336.2", "ENSMUST00000192692.2", "ENSMUST00000191939.2", "ENSMUST00000156816.7", "ENSMUST00000045689.14", "ENSMUST00000115538.5")
mm_tran_id <- gsub("\\..*", "", mm_tran_id_version)
mme_gene_anno <- getBM(attributes=c("ensembl_transcript_id","ensembl_gene_id","external_gene_name"),
filters = "ensembl_transcript_id",
values = mm_tran_id, mart = ensembl)
mme_gene_anno
--------------------------------------------------------------------------------
ensembl_transcript_id ensembl_gene_id external_gene_name
1 ENSMUST00000045689 ENSMUSG00000033845 Mrpl15
2 ENSMUST00000115538 ENSMUSG00000033845 Mrpl15
3 ENSMUST00000156816 ENSMUSG00000033845 Mrpl15
4 ENSMUST00000191939 ENSMUSG00000025902 Sox17
5 ENSMUST00000192336 ENSMUSG00000104017 Gm37363
6 ENSMUST00000192692 ENSMUSG00000102331 Gm19938
getBM 參數說明：
- attributes 想轉換的屬性
- filters 作為輸入的屬性，上面就以轉錄本ID作為屬性查詢
- values 輸入的filters屬性的值
attributes = listAttributes(ensembl)
attributes[1:5,]
## name description page
## 1 ensembl_gene_id Gene stable ID feature_page
## 2 ensembl_gene_id_version Gene stable ID version feature_page
## 3 ensembl_transcript_id Transcript stable ID feature_page
## 4 ensembl_transcript_id_version Transcript stable ID version feature_page
## 5 ensembl_peptide_id Protein stable ID feature_page
## 以帶“version”的屬性進行查詢，是可以直接用帶版本號id進行查詢的
mme_gene_anno <- getBM(attributes=c("ensembl_transcript_id_version","ensembl_gene_id","external_gene_name"),
filters = "ensembl_transcript_id_version",
values = mm_tran_id, mart = ensembl)
mme_gene_anno
------------------------------------------
ensembl_transcript_id_version ensembl_gene_id external_gene_name
1 ENSMUST00000045689.14 ENSMUSG00000033845 Mrpl15
2 ENSMUST00000115538.5 ENSMUSG00000033845 Mrpl15
3 ENSMUST00000156816.7 ENSMUSG00000033845 Mrpl15
4 ENSMUST00000191939.2 ENSMUSG00000025902 Sox17
5 ENSMUST00000192336.2 ENSMUSG00000104017 Gm37363
參考
http://asia.ensembl.org/info/genome/stable_ids/index.html
http://yulab-smu.top/clusterProfiler-book/chapter5.html#go-over-representation-test
Accessing Ensembl annotation with biomaRt (bioconductor.org)
`