基因名称更换ID注释代码ENST文件转symbol

学习R语言，RStudio使用中，总会遇到各种问题；尤其是这种应用型计算机语言，应用虽多，但是学精不易的codeing，有1.7万packages的语言，只能是靠自己的不断摸索。遇到问题，就去找寻问题。

这次就遇到一个问题。我看到基因名称是这样的。文件是“ENSEMBLTRANS”。

在我下载的GEO GLP数据中，有colneme是GeneName，然而这些name又不是下面人类基因注释文件中的任意一项目，而且还有杂项。

> keytypes(org.Hs.eg.db)

[1] "ACCNUM" "ALIAS" "ENSEMBL" "ENSEMBLPROT" "ENSEMBLTRANS" "ENTREZID" "ENZYME" "EVIDENCE"

[9] "EVIDENCEALL" "GENENAME" "GO" "GOALL" "IPI" "MAP" "OMIM" "ONTOLOGY"

[17] "ONTOLOGYALL" "PATH" "PFAM" "PMID" "PROSITE" "REFSEQ" "SYMBOL" "UCSCKG"

[25] "UNIGENE" "UNIPROT"

欲将“ENSEMBLTRANS”转换成“SYMBLE”文件，以便后续分析。

代码如下：

ENSEMBLTRANS<-c(probe1021$V6)

cols<-c("SYMBOL","GENENAME")

select(org.Hs.eg.db,keys = c(probe1021$V6),columns = cols,keytype = "ENSEMBLTRANS")

结果如下：

可以看到很多NA，但是这总比不转换的要好，因为源文件中去重后有2万五的gene，其中一些没有名字的ensemble数据有2千多行，这些如果不转换，后续的GO.。KEGG等分析，就无法使用其中的基因，可能造成最终的富集有缺失。

因为这些芯片是几年前的芯片，当时一些基因还没有symbol名字，导致了整个文件不连续。

R语言4.0.3版本，昨天刚刚由R 4.0.2升级。

遇到问题想办法解决，每天进步一点点。