生物信息学之rnaseq转录组分析流程--转换文件中的ensemble id到gene名

已于 2022-04-28 11:14:19 修改
阅读量3.6k 收藏 3
点赞数
分类专栏： 生物信息 文章标签： python 算法
于 2022-04-28 10:21:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/a_giant_pig/article/details/123495606
版权
在生物信息学的转录组分析中，使用htseq-count得到的计数文件包含Ensemble ID。为了解决这个问题，可以编写Python脚本来将Ensemble ID转换为更直观的Gene名称。脚本需要四个参数，包括输入和输出文件路径，以及Ensemble ID在文件中的列位置和总列数。通过这个脚本，可以将Ensemble ID转换成gene名字，方便后续分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

生物信息学之rnaseq转录组分析--转换文件中的ensemble id到gene名

如何解决转录组分析中count之后遇到ensemble id的问题

亲亲们好，我们做生物信息转录组分析的时候，可以走如下流程鸭：

获取fastq或者fasta原始文件；将下载好的序列文件比对到参考基因组上；得到bam后就要开始统计每个基因实际测到了多少reads：这里推荐htseq-count软件。计数之后应该生成一个txt文件包含样本名和ensemble id的矩阵了，比如下面ENSG开头的东西：
count文件
ensemble id这个东西是数据库记录方便使用的，但对于我们来说是非常不友好的，因为我们对基因名是直观的，所以我们就需要将ensemble id转换成gene名字。

一个将ensemble id转换成gene名的python 脚本

很遗憾，市面上没有写好的ensemble id转换软件，所以我们只能自己动手咯。

<
了解本专栏 订阅专栏 解锁全文 超级会员免费看
单细胞文献学习(part2)--stPlus: a reference-based method for the accurate enhancement of ST
小山羊的学习日志
06-03 698
学习笔记，仅供参考，有错必纠Authors：Chen Shengquan，Zhang Boheng，Jiang RuiMotivation: 单细胞RNA测序（scRNA-seq）技术已经彻底改变了对单个细胞内转录组情况的调查. 最近空间转录组技术的进步使基因表达谱和细胞的空间组织图同时得以实现。在这些技术中，imaging- based可以提供更高的spatial resolutions，但它们受到检测的基因数量少或基因检测灵敏度低的限制。尽管已经提出了一些方法来提高spatially resolved
2020.02.18【数据分析心得】丨如何将基因ID转化为基因名称
02-18 2万+
上一次在这个平台上写文章居然已经是5年前了，毕竟研究生阶段没有主攻数据处理，让自己少了很多IT属性。废话少说，今天记录一下将基因ID转化为基因名称的操作办法。 在拿到公司的基因测序数据后，不同的测序公司给出的数据也是不同的，有时候会遇到一个问题就是测序公司给出的分析报告中，GO富集以及KEGG通路通常直接以基因ID的形式给客户，而导师要求送审文章的附件要显示为基因名称。 尽管在拿到的测序数...
Ensembl ID转Gene Symbol
qq_43777616的博客
07-15 3656
【代码】Ensembl ID转Gene Symbol。
TCGA中RNA-counts数据中ensemble_ID转换成gene_ID的方法
weixin_41869644的博客
01-16 2万+
1.测试数据的准备和相关包的安装。 library(stringr) > d1 <- read.table('test.txt', sep = '\t', header = TRUE) > d1 tag t c g a 1 ENSG00000000003.13 2969 4725 1350 1667 2 ENSG00...
Ensemble ID格式及转换
shy_321的博客
06-17 1万+
目录Ensemble IDEnsemble ID 格式Ensemble ID转换bitrselectbiomaRt 转换参考吐槽 Ensemble ID Ensemble ID 是Ensembl 数据库使用的ID标识符，用于标识不同的分子特征，如基因，转录本，外显子，蛋白。大多数据库都有一套自己的ID命名。ID 主要是为消除歧义，在特征注释或数据库更新时也能保持一致。不像人为命名的分子名字，如基因名字那样可能发生改变。就类似于我们的身份证号, 名字方便于平常的交流使用，ID是独一无二的。 Ensemble
基因表达数据处理-Ensembl ID转化为Gene symbol
weixin_46065198的博客
11-09 4112
查询后似乎是ensembl.org网址不可用，该包也支持换其他数据库，但我这里没有再进行尝试。希望知道方法的大神帮忙指导。此处有33%Ensembl ID未找到对应Symbol。
Ensembl_id转换与gene symbol
m0_56016177的博客
09-26 2091
Gene ID 也称Entrez ID/EntrezGene ID ，是 NCBI 使用的能够对众多数据库进行联合搜索的搜索引擎, 其对不同的 Gene 进行了编号, 每个 gene 的编号就是 entrez gene id，就是一串数字，比如：TP53 的Gene ID是:7157。因为entrez ID相对稳定, 所以也被其他数据库, 如 KEGG 等采用。不同物种的同一个基因的Gene ID是不同的。NCBI的RefSeq数据库ID，一般是两个大写首字母，加下划线，后面为数字。两个首字母 ”NC。
数据分析：转录本ID和基因ID转换
专注生信领域
05-06 2155
转录组基因ID的自动化转换R代码
linux分析rna-seq,RNA-seq 分析流程（一）linux部分
weixin_39620984的博客
05-13 1690
Step1:软件安装数据资源下载，参考基因组及参考转录组(linux)gtf ，genome，fa质控，需要fastqc及multiqc(linux)trimmomatic，cutadapt，trim-galore对比(linux)star,HISAT2,TOPHAT2, bowtie,bwa,subread计数(linux)featureCounts，htseq-counts,bedtoolsn...
RNA-seq流程（fastp-hisat-stringtie)
scintilla7的博客
08-11 1906
1.安装Ubantu LTS 2.安装miniconda3 3.配置清华镜像源 4.用fastp对数据进行处理 （加参数 l 20 过滤掉reads长度小于20的数据，否则Hisat2会报错，提示reads长度应该大于20） /home/wm_771/miniconda2/bin/fastp -f 10 -F 10 --detect_adapter_for_pe -x -h SRR10251179.sra.html -c -q 15 -u 40 -g -n 5 -l 20 -i SRR10251179.sr
RNA-seq中遇到的问题（1）
twistti的博客
09-03 841
在得到RNA-seq的counts数据后，需要进行标准化。标准化需要得到基因的长度信息，因此需要下载相应种属的GTF文件。在https://www.gencodegenes.org/上可以下载人和小鼠的GTF文件（在NCBI上下载的GTF文件运行出错，原因还没有找到）。然后用count2FPKM进行计算，代码如下 library(GenomicFeatures) txdb <- makeTxDbFromGFF("./gencode.v38.annotation.gtf",format="gtf"
pyEntrezId:将Ensembl，Uniprot和HGNC ID转换为Entrez基因ID
05-02
PyEntrezId Python软件包可在各种基因或蛋白质ID之间进行转换 概括 这是我发布的第一个程序包。 任何反馈将不胜感激！ 我希望该项目可以作为初学者的示例，说明如何构造/编码简单的生物信息学工具。 我创建此程序包的原因是，我需要一个简单的工具来在用于标识基因，蛋白质等的多个ID之间进行转换。这之所以重要，是因为各种科研机构（NIH，EMBL等）托管的数据库有时具有不同的命名法描述相同的事物（基因，蛋白质，DNA，RNA等）。 讨论链接 Reddit：< > 快速开始 $ pip install --upgrade pyEntrezId 例子 将Ensemble转录本基因ID转换为Entrez基因ID from PyEntrezId import Conversion EnsemblId = 'ENST00000407559' # include your email a
RNA-seq：转录组数据分析处理（上）
热门推荐
super_qun的博客
01-26 5万+
RNA-seq：转录组数据分析处理 一、流程概括 RNA-seq的原始数据（raw data）的质量评估 raw data的过滤和清除不可信数据（clean reads） reads回帖基因组和转录组（alignment） 计数（count ） 基因差异分析（Gene DE） 数据的下游分析 二、准备工作 学习illumina公司测序原理 测序得到的fastq文件 注释文件和基因组文件的准备...
RNAseq-GO、biomaRt转换ID
GeekFocus
11-18 4898
O.Sativa选用MSU或者RAPDB这两个数据库的genome和gtf文件，介绍一下MSU的ID，RAPDB的同理。The Rice Annotation Project (RAP)（https://rapdb.dna.affrc.go.jp/index.html）和Rice Genome Annotation Project （RGAP7，MSU）（http://rice.plantbiology.msu.edu/index.shtml）RAP格式为“Os-Chr-g-number”，MSU格式为“L
基因ID命名及相互转换
qq_20095851的博客
11-01 3万+
整理参考：ID转换不用慌，biomart帮你忙 由于ID来自于不同的数据库，或者说命名的意图不同，所以对于同一个基因，总是有多个不同的ID，最常见的比如entrze ID、ensembl ID、HGNC ID、refseq ID等。 Entrze ID:是美国NCBI数据库中的基因标识符，通常是由纯数字表示，比如人类TP53基因的Entrze ID是7157（注意，不同物种的基因ID是不同的）...
利用Python解决生物问题：批量对应转录本-基因名
qq_44520665的博客
07-21 1271
批量转换转录本和基因的ID
TCGA数据 ENSG编号转为Symbol（基因名称）
weixin_38987362的博客
11-04 2万+
当想查看对应的差异基因对应的Symbol（基因名称）的时候，发现基因为编码为ENSG开头的一串数字，Ensembl基因的ID # 安装包 source("https://bioconductor.org/biocLite.R") biocLite("AnnotationDbi") biocLite("org.Hs.eg.db") # 加载包 library(stats4) librar...
Python Day44 学习（日志Day12复习）
最新发布
Y317429的博客
06-07 324
注：这里AI给出的“适用场景”存在问题。关于性别，为二分类问题，不需要使用独热编码。三分类以上才涉及独热编码。出现问题：忘记之前已对数据进行了独热编码，导致映射出来的值为空值。对信贷数据重新进行标签编码（回写昨日复习的代码）对信贷数据重新进行标签编码（回写昨日复习的代码）补充：对数据进行“归一化”和“标准化”的作用。补充：“独热编码”与“标签编码”的选择。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

北京生信课堂

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值