本文是洲更写的,文中说到两步,其实只需要这一步,然后就可以用或函数进行分析,也就是通用的分析函数,不管是什么注释,不管是什么物种,都可以支持。
这样做的好处也有一些
分析时不用联网,可以搞个local版本
分析具有可重复性,实时爬网络数据,毕竟有时候服务器端有更新的话,就会导致有一些变化。
第二步所谓需要序列,其实是想本地blast,自己注释,这种一般是和KO数据库进行比对。等候洲更的更新,看他后面怎么玩。
Y叔的的一大优点就是能够利用最新的KEGG数据库,而不是停留在最后一个公开版的KEGG数据库(2011-5-15).
大部分情况下,大家都是直接用或者完成富集分析,但是我最近想到,我其实可以利用这个功能反向建立一个注释用的数据库,只需要两步
第一步: 获取KEGG编号对应的基因编号
第二步: 根据基因编号获取序列信息
这里只讲第一步,如何用Y叔获取最新的KEGG和基因的对应关系, 我们以人类为例。
先用下载给定物种的KEGG数据库
这一步得到的是一个列表,这个列表有两个成员,
一个是KEGG的通路编号和基因编号的关系,另一个是KEGG通路编号和名字的关系
我们可以将其进行合并
最后的PATH_ID_NAME的表格信息如下
保存到本地
拓展:如何在此基础上增加ENSEMBL的编号?这可以使用biomaRt进行ID转换
于是我们得到了ENSEMBL的基因编号,通过merge就可以将其添加到之前的数据框中
领取专属 10元无门槛券
私享最新 技术干货