一文教你进行多种ID转换（上）

Answer 1

在进行转录组、蛋白质组和代谢组的数据分析时，会遇到基因（蛋白质）和代谢物不同ID之间的转换问题。不同数据库提供独特的ID，如基因的Entrez ID、HUGO Gene Symbol和Uniprot ID等。为了便于分析，需在不同ID间转换。本文汇总了ID转换方法。

基因/蛋白质ID名称包括：

Entrez ID：NCBI基因特异性数据库分配的整数编号，唯一且稳定。
HUGO Gene Symbol：基因的官方名称，由HGNC提供，唯一。
Gene Name：基因的完整名称，对应于Gene Symbol。
HGNC ID：HGNC数据库分配的基因编号。
Ensembl ID：Ensembl数据库的基因ID，格式为[物种符号][分子特征][唯一数字]。
Uniprot ID：整合三大数据库资源的蛋白质数据库ID，格式为：[OPQ][0-9][A-Z0-9]{3}[0-9]|[A-NR-Z][0-9]([A-Z][A-Z0-9]{2}[0-9]){1,2}。
RefSeq ID：NCBI参考序列数据库的标识符。
OMIM ID：人类基因和遗传病数据库的六位数编号。

代谢物ID名称包括：

Chemical Name：代谢物标准名称。
KEGG ID：KEGG数据库的代谢物编号。
HMDB ID：人体代谢组数据库的代谢物编号。
Pubchem CID：PubChem数据库的化合物登录号。
CAS Registry Number：化合物唯一标识符。
SMILES、InChI和InChIKey：描述化学结构的表示方法。
ChEBI ID：ChEBI数据库的化合物唯一标识符。

使用R语言进行ID转换时：

利用AnnotationDbi包的mapIds、select、bitr函数进行基因ID转换。
利用clusterProfiler包进行Ensembl ID/RefSeq ID转换。
访问NCBI的FTP下载基因文件进行ID转换。
使用CTSgetR包在化合物名称和数据库标识符间进行转换。
解析HMDB的hmdb_metabolites.xml文件获取ID对应关系。

掌握这些方法，可有效进行基因/蛋白质和代谢物ID之间的转换，为数据分析提供便利。