利用biomaRt从实现了BioMart组件的数据库中提取数据

利用biomaRt从实现了BioMart组件的数据库中提取数据

安装并加载biomaRt软件包。

biomaRt软件包的地址为：http://www.bioconductor.org/packages/release/bioc/html/biomaRt.html。

在https可用的情况下，使用以下命令安装：

## try http if https is not available

source("https://bioconductor.org/biocLite.R")

biocLite("biomaRt")

加载软件包：

library("biomaRt")

几个常用的函数

・         listMarts(mart = NULL, host = "www.biomart.org", path = "/biomart/martservice", port = 80, includeHosts = FALSE, archive = FALSE, ssl.verifypeer = TRUE, verbose = FALSE)：获取可用的BioMart网络服务（网络数据库）。

・         useMart(biomart, dataset, host = "www.biomart.org", path = "/biomart/martservice", port = 80, archive = FALSE, ssl.verifypeer = TRUE, version, verbose = FALSE)：建立与将要使用的数据库（biomart）之间的连接。

・         listDatasets(mart, verbose = FALSE)：显示数据库（mart）中可用的数据集。

・         useDataset (dataset, mart, verbose = FALSE)：选定数据库（mart）中的数据集（dataset）。

・         listFilters(mart, what = c("name", "description"))：显示数据集（mart）所支持的过滤条件；

・         listAttributes(mart, page, what = c("name", "description"))：显示数据集（mart）所支持的属性；

・         getBM(attributes, filters = "", values = "", mart, curl = NULL, checkFilters = TRUE, verbose = FALSE, uniqueRows = TRUE, bmHeader = FALSE)：查询函数。返回数据集（mart）中，过滤条件（filter）的值为values的数据的attributes属性。其中filters和values是一一对应的。

常用的几个参数的解释：以"提取EntrezGene identifiers为673、837基因的的GO annotation"为例，则Attributes是指c('entrezgene', 'go_id')，Filters是指' entrezgene'，values是指c("673", "837")。

・         Attributes (attributes)：一般是指我们希望从数据库中提取的信息。（A vector of attributes that we want to retrieve）

・         Filters (filters)：过滤条件。

基本流程

获取数据库列表

mart_list <- listMarts();

返回结果（举例）：

	biomart	version
1	ensembl	ENSEMBL GENES 81 (SANGER UK)
2	snp	ENSEMBL VARIATION 81 (SANGER UK)
3	regulation	ENSEMBL REGULATION 81 (SANGER UK)
4	vega	VEGA 61 (SANGER UK)
5	fungi_mart_28	ENSEMBL FUNGI 28 (EBI UK)
6	fungi_variations_28	ENSEMBL FUNGI VARIATION 28 (EBI UK)

选定所需要使用的数据库：

ensembl = useMart("ensembl")

获取所选定数据库的的数据集列表

dataset_lists <- listDatasets(ensembl)

返回结果如下：

	dataset	description version
1	oanatinus_gene_ensembl	Ornithorhynchus anatinus genes (OANA5) OANA5
2	cporcellus_gene_ensembl	Cavia porcellus genes (cavPor3) cavPor3
3	gaculeatus_gene_ensembl	Gasterosteus aculeatus genes (BROADS1) BROADS1
4	lafricana_gene_ensembl	Loxodonta africana genes (loxAfr3) loxAfr3
5	itridecemlineatus_gene_ensembl	Ictidomys tridecemlineatus genes (spetri2) spetri2
6	choffmanni_gene_ensembl	Choloepus hoffmanni genes (choHof1) choHof1

选定所要使用的数据集

dataset_used <- useDataset("hsapiens_gene_ensembl",mart=ensembl)

其中"hsapiens_gene_ensembl"是由listDatasets(ensembl)返回的。

获取数据集所支持的Filters和Attributes。

filter_list <- listFilters(dataset_used)

attributes_list <- listAttributes(dataset_used)

返回结果分别如下：

filter_list:

	name	description
1	chromosome_name	Chromosome name
2	start	Gene Start (bp)
3	end	Gene End (bp)
4	band_start	Band Start
5	band_end	Band End
6	marker_start	Marker Start

attributes_list:

	name	description
1	ensembl_gene_id	Ensembl Gene ID
2	ensembl_transcript_id	Ensembl Transcript ID
3	ensembl_peptide_id	Ensembl Protein ID
4	ensembl_exon_id	Ensembl Exon ID
5	description	Description
6	chromosome_name	Chromosome Name

根据需要使用getBM获取所需结果

Entrez <- c("673","837")

goids <- getBM(attributes=c('entrezgene','go_id'), filters='entrezgene', values=entrez, mart=ensembl)

head(goids)

即可！

BioMart简介

BioMart software suit：http://www.biomart.org/。BioMart is a community-driven project to provide unified access to distributed research data to facilitate the scientific discovery process.