在基因注释时,难免碰到各种GENE在不同数据库之间的ID转换(例如,Ensembl ID 转Entrez ID,或者Entrez ID与GENE Symbol之间的转换).这里介绍一下常用的三个在线网站, DAVID.bioDBnet.Ensembl Biomart, DAVID访问太慢,Ensembl Biomart参数配置太麻烦,推荐使用bioDBnet. bioDBnet RESET API bioDBnet除支持web在线转换外,还提供了RESET API接口,允许程序语言(python

转载: https://github.com/twbattaglia/RNAseq-workflow Introduction RNAseq is becoming the one of the most prominent methods for measuring celluar responses. Not only does RNAseq have the ability to analyze differences in gene expression between samples,

1)安装载入 ------------------------------------------- if("org.Hs.eg.db" %in% rownames(installed.packages()) == FALSE) {source("http://bioconductor.org/biocLite.R");biocLite("org.Hs.eg.db")}suppressMessages(library(org.Hs.eg.db))

1)airway简介 在该workflow中,所用的数据集来自RNA-seq,气道平滑肌细胞(airway  smooth muscle cells )用氟美松(糖皮质激素,抗炎药)处理.例如,哮喘患者使用糖皮质激素来减少呼吸道炎症,在该实验设计中,4种细胞类型(airway smooth muscle cell lines )用1微米地塞米松处理18个小时.每一个cell lines都有对照与处理组(a treated and an untreated sample).关于实验设计的更多信息可

1)简介 edgeR作用对象是count文件,rows 代表基因,行代表文库,count代表的是比对到每个基因的reads数目.它主要关注的是差异表达分析,而不是定量基因表达水平. edgeR works on a table of integer read counts, with rows corresponding to genes and columns to independent libraries. The counts represent the total number of

前言 关于clusterProfiler这个R包就不介绍了,网红教授宣传得很成功,功能也比较强大,主要是做GO和KEGG的功能富集及其可视化.简单总结下用法,以后用时可直接找来用. 首先考虑一个问题:clusterProfiler做GO和KEGG富集分析的注释信息来自哪里? GO的注释信息来自Bioconductor,提供了19个物种的org类型的GO注释信息,如下表所示.Bioconductor中更多的注释包可参考http://www.bioconductor.org/packages/rel

1.安装,加载所用到到R包 用BiocManager安装,可同时加载依赖包 source("https://bioconductor.org/biocLite.R") BiocManager::install("clusterProfiler") library(clusterProfiler) ##富集分析library(topGO) ###画GO图library(AnnotationHub) ##获取数据库library(BiocFileCache) ##依赖包

方法1.RNA-seq得到不同表达程度基因 方法2. 直接download U2OS_gene.csv https://cancer.sanger.ac.uk/cell_lines/download 最开始excel直接选用25%最高和25%最低,U2OS细胞共~16000基因,故复制前4000行的gene symbol并存为txt; table browser下载'group:Genes and gene prediction; track:UCSC genes; outpu format:s

转自:http://www.biotrainee.com/thread-411-1-1.html 常用数据库 ID ID 示例 ID 来源 ENSG00000116717 Ensemble ID GA45A_HUMAN UniProtKB/Swiss-Prot, entry name A5PJB2_BOVIN UniProtKB/TrEMBL, entry name A2BC19, P12345, A0A022YWF9 UniProt, accession number GLA, GLB, UG

KEGG 官网提供了API, 可以方便的访问KEGG 数据库中的内容,链接如下: http://www.kegg.jp/kegg/rest/keggapi.html 利用API可以得到某一个基因参与的pathway 信息, 以human 为例: 1) 第一步,获取每条pathway具体的描述信息 对应的API为 : http://rest.kegg.jp/list/pathway/hsa 内容如下: 可以看到,返回的内容一共两列,第一列为物种对应的pathway, 第二列为该pathway 对应

何为功能富集分析? 功能富集分析是将基因或者蛋白列表分成多个部分,即将一堆基因进行分类,而这里的分类标准往往是按照基因的功能来限定的.换句话说,就是把一个基因列表中,具有相似功能的基因放到一起,并和生物学表型关联起来. 何为GO和KEGG? 为了解决将基因按照功能进行分类的问题,科学家们开发了很多基因功能注释数据库,.这其中比较有名的一个就是Gene Ontology(基因本体论,GO)和Kyoto Encyclopedia of Genes and Genomes(京都基因与基因组百科全书,K

https://www.plob.org/article/9969.html Gene Expression Omnibus database (GEO)是由NCBI负责维护的一个数据库,设计初衷是为了收集整理各种表达芯片数据,但是后来也加入了甲基化芯片,甚至高通量测序数据! GEO数据库基础知识 GEO Platform (GPL) 芯片平台 GEO Sample (GSM) 样本ID号 GEO Series (GSE) study的ID号 GEO Dataset (GDS) 数据集的ID号

欢迎来到"bio生物信息"的世界 GenTree是一个集合多种数据的在线数据库. 总共涉及的基因有63152个,蛋白质编码基因有20300个. 评估基因年龄用的是UCSC数据库的14个支系. 转录组数据调用了HPA,BrainSpan,GTEx. 蛋白质组调用了HPM. 群体数据调用了GWASdb2,PopHuman. 详细信息见下图. 这个网站的使用方式很简单. 支持的输入方式有: Gene symbol或者基因名字,比如ENSG00000007129, GLUD2, TBC1D3,

这篇文章是对SNP位点功能注释在线网站的一个总结帖. 软件排名不分先后,优先顺序可以看推荐指数. 彩蛋在最后,请坚持看完 1.GWAS4D, 推荐指数:**** 网址:http://mulinlab.tmu.edu.cn/gwas4d 支持输入格式 1) Variants Coordinates: Chr, Pos, [P-value] 支持输入格式 2) VCF-like Map: Chr, Pos, SNPID, Ref, Alt, [P-value] 支持输入格式 3) Single SN

DAVID网站提供了id转换的功能 1 选择上传gene list文件 2 选择上传ID的类型,我们ID-list.txt中的是Ensembl Gene ID,所以这里选ENSEMBL_GENE_ID 3 这个是类型,因为只做ID转换,所以选Gene List就ok了 4 选择你要转换的ID类型,这里我选的ENTREZ_GENE_ID 5 然后选择提交就ok了 bioDBnet 1 输入文件ID类型 2 输出ID类型,这里的Gene ID就是指ENTREZ GENE ID 3 输入ID列表,点击

昨天开始学用Cytoscape,其tutorial分为两个部分,基础的和高级 的.基础教程又分成了四课:Getting Started.Filters & Editor.Fetching External Data和Expression Analysis.为防忘记,做个摘记. 第一课 新手上路 地址:http://wiki.cytoscape.org/Presentations/01_Get_Started Cytoscape可以本地安装,也可以web start.软件得用java,所以要装JR

众多不同的数据库所采用的对 Gene 和 Protein 编号的 ID 也是不同的, 所以在使用不同数据库数据的时候需要进行 ID 转换. 常用数据库 ID ID 示例 ID 来源 ENSG00000116717 Ensemble ID GA45A_HUMAN UniProtKB/Swiss-Prot, entry name A5PJB2_BOVIN UniProtKB/TrEMBL, entry name A2BC19, P12345, A0A022YWF9 UniProt, accessio

文献名:Integration and analysis of CPTAC proteomics data in the context of cancer genomics in the cBioPortal 期刊名:Molecular & Cellular Proteomics 发表时间:2019年9月 IF:4.828 作者: Pamela Wu1,2,3, Zachary J Heins4, James T Muller3, Lizabeth Katsnelson3, Ino de Br

利用DAVID简单的进行GO富集度分析(这里只做简单的分析,即看基因是否存在在GO的三个过程里面) 比如我们有一组要分析的基因:TRPV6    CXADR    PROM1    GRAMD2    SOX10    GPRIN2    VANGL2    GRHL1    BCL11A    MROH8(这里用的是关于人的基因名) 首先打开DAVID网页,选择Functional Annotation: 在左边的框里面按提示输入,步骤1,输入你的ID号,这里可以是基因ID,也可以是基因名,或

RNA-seq是利器,大部分做实验的老板手下都有大量转录组数据,所以RNA-seq的分析需求应该是很大的(大部分的生信从业人员应该都差不多要沾边吧). 普通的转录组套路并不多,差异表达基因.富集分析.WGCNA network以及一些没卵用的花式分析.DEG分析是基础,up and down,做个富集,了解一下处理后到底是什么通路被改变了:WGCNA主要就是根据相关性来找出一些co-express的gene module. 单细胞的转录组的玩法就比较多了,可以理解为超多样本的普通转录组,普通转录