基因ID转换

Ensembl ID 辨识

• 例如ENSG00000279928.1中，ENS是固定字符，表示它是属于Ensembl数据库的。默认物种是人，如果是小鼠就要用ENSMUS开头，关于物种代码：http://www.ensembl.org/info/genome/stable_ids/index.html
• G表示：这个ID指向一个基因；E指向Exon；FM指向 protein family；GT指向gene tree；P指向protein；R指向regulary feature；T指向transcript
• 后面11位数字部分如00000279928 表示基因真正的编号
• 小数点后不一定每个都有，表示这个ID在数据库中做了几次变更，比如.1做了1次变更，在分析时需要去除

Ensembl ID 与 Symbol对应关系

一对多

在转换时会存在一个 Ensembl ID对应多个 Symbol的现象。此时，为了保证ID转换的准确性，需要对这些ID进行专门的转换，可以更换注释资源进行操作

不同的注释资源之间会有差别，有时并不可靠

多对一

同样，会存在一些 Ensembl ID对应同一个 Symbol，此时，除了其中一个真正对应的外，其他的可以叫做 haplotypic regions。像这样的ID需要检查ENSG对应的染色体位置进行辨别

Haplotyptic regions are defined by the Genome Reference Consortium (GRC) and are visible on all their genome assemblies for human, mouse, and zebrafish. They can also be called ‘alternate locus’, ‘partial chromosomes’, and ‘alternate alleles’ or ‘assembly exceptions’. These regions can have small sequence differences, contain different gene structures or different genes entirely, or contain genes in a different order compared to the reference genome assembly.

注释途径

• bitr
• biomart