批量基因ID转换python版

不得不承认基因的ID种类确实很多，好在常用的就那么几个。做分析基本都会遇到基因ID转换的需求，能用来做这个的事资源还是比较多的。其中，NCBI作为生命科学领域的数据库，信息那是相当的全面，做个基因ID转换那肯定没问题，而且数据库也提供了相应的API方便调用，也有现在的软件可以用，如biopython。但这个方式在基因数量多、转换多个ID时不是很方便。此时，biomart和mygene来替代，这两个软件分别是ensembl、MyGene.info数据库API的访问软件，用这两个软件做基因ID转换真的很便捷了。

biomart使用的原则整体上遵循以下四个步骤：Datasets -> Filters (filtering and inputs) -> Attributes (desired output) -> Results

import biomartgenes_list = ['JCHAIN', 'IGJ', 'IGHG1', 'MZB1', 'SDC1', 'CD79A', 'HSP90B1', 'FNDC3B', 'PRDM1', 'IGKC']server = biomart.BiomartServer("http://www.ensembl.org/biomart")ensembl = server.datasets['hsapiens_gene_ensembl']res = ensembl.search({'filters': {'external_gene_name': genes_list}, 'attributes': ['external_gene_name', 'ensembl_gene_id']})genes_conv_df = pd.read_csv(res.url, sep='\t', names=["Gene name", "Gene stable ID"]).dropna()genes_conv_df.head()  Gene name   Gene stable ID0     IGHG1  ENSG000002776331      IGKC  ENSG000002115922     IGHG1  ENSG000002118963      MZB1  ENSG000001704764     PRDM1  ENSG00000057657

external_gene_name指Gene Name，即symbol ID。如果想知道哪些字段可用来查询，可以直接查看ensembl对象的filters属性。类似的方式可以查看哪些字段可用来过滤。

上面biomart的转换过程已经挺简单了，相比较而言mygene使用起来更容易：

import mygenegenes = ['SDC1', 'CD79A', 'HSP90B1', 'FNDC3B', 'PRDM1']mg = mygene.MyGeneInfo()res = mg.querymany(genes, scopes="symbol", fields="symbol,entrezgene,ensembl.gene,uniprot.Swiss-Prot", species="human", as_dataframe=True)res           _id     _score entrezgene   symbol     ensembl.gene uniprot.Swiss-ProtSDC1      6382  17.965767       6382     SDC1  ENSG00000115884             P18827CD79A      973  17.849460        973    CD79A  ENSG00000105369             P11912HSP90B1   7184  17.567043       7184  HSP90B1  ENSG00000166598             P14625FNDC3B   64778  18.165148      64778   FNDC3B  ENSG00000075420             Q53EP0PRDM1      639  18.178675        639    PRDM1  ENSG00000057657             O75626

以下是MyGene.info数据库支持的物种：