需求:下载DNA损伤修复相关的基因列表。
第一步 搜索数据库
进入GO (Gene Ontology) 数据库网页 http://geneontology.org/ ,在搜索框内输入感兴趣的内容,选择Gene Product,搜索。
tips: 搜索多个关键词时,若直接使用空格连接,则逻辑关系为OR。若要以AND关系搜素,需要加上双引号。
网可能有点慢,需要等待一会儿。
搜索出结果后,可以点Organism限定物种。
我们选小鼠的话就在小鼠前面的加号上点一下,然后等待。
可以看到我们搜到了489个结果。
第二步 下载
接下来我们点Custom DL这个按钮来下载。
弹出来这么一个选择的面板(如果没弹出来,可能是被浏览器给禁止了,需要换个浏览器或者手动改一下设置),问你需要选择下载哪些信息。我们把左边的Gene/product(bioentity_name)以及Synonym(Synonym)选上(鼠标按住后拖动到右边),这两个分别代表了完整基因名和同一基因的其他名字。右边原来这两个是默认的选项,其中第一行Gene/product(bioentity)我觉得没什么用,我们把它移回到左边;第二行Gene/product(bioentity_label)很重要,我们让它保持在右边,它是基因标准的SYMBOL,将来ID转换全靠它。其他的信息可以根据自己的需要来选择(我也不记得每个选项分别是什么意思,有时间的话自己试一下吧)。
选好之后就可以download了,会弹出来一个网页:
在这个页面上是没有下载按钮的,这个时候需要按ctrl+s保存到自己的电脑上,保存类型就是.txt不用改。(如果你用的浏览器没有弹出这个页面,而是直接给你弹了一个下载窗口,那就直接下载就可以啦)。
这样就下载好了所有搜索到的基因啦~任务到这里其实就已经完成了。
下面是关于文本格式表格的一点点补充。如果你对\t分割的.txt文件很熟悉了,以下内容可以不看。
补充步骤1 用excel打开
作为一个后缀名为.txt的表格,它是以\t(也就是制表符,即tab)分隔的,可以直接读进R里进行操作。
如果想要打开看一眼,直接用记事本或者其他类似的文本编辑软件(我一般用notepad++)都可以打开。如果需要用excel打开它,可以参照下面的步骤:
1、先打开excel。
2、点击 文件--打开--浏览
3、文件类型选择“文本文件”,这是我们刚刚下载的.txt文件就出现了。选择它,点打开。
4、这时弹出来一个文本导入向导,文件类型默认是“分隔符号”,不需要改。点下一步。
5、分割符号默认是“Tab键”,也不需要改。点下一步。
6、列数据格式默认是“常规”,我们要改成“文本”。改好了点完成。
7、这样就成功以表格形式打开.txt文件了。列宽可以自己拉一下,看起来顺一点。
补充步骤2 另存为表格格式
为了下次打开方便,我们可以另存一下。保存类型选择“Excel工作簿”或者“CSV(逗号分隔)”。
tips——xlsx格式和csv格式的区别:
如果选择Excel工作簿的话,适合自己看(重音在“看”),以及发给别人看(手机打开excel一般没有问题,但是CSV不一定能用手机打开)。如果选择CSV的话,不光可以看,还可以导入R用于后续的数据处理。但是CSV不能对表格的样式进行编辑(其实是可以编辑,但编辑的效果无法保存,下次打开以后仍然是简简单单的表格内容)。所以根据自己的需求选择就好了。
One more thing
用一种检索策略来检索往往不能得到所有我们想要的结果。比如,我们希望获得所有与DNA损伤修复相关的基因,可能就需要用"DNA repair"和"DNA damage response"这两种甚至更多的检索策略,然后把结果都下载下来,合并到一起分析。
但是这又产生一个问题——两次检索得到的基因可能有部分重叠,这就涉及到了去冗余的问题。这个操作用R是很好实现的,可以自己搜索一下教程,或者我帮你搜几篇也行(直接给你现成的代码也可以,但最好还是自己探索一下)。
2020.4.21更新
下载基因集远远不只有GO可以用,比如可以看《3大在线分析工具:Enrichr、WebGestalt、gprofiler与R包clusterprofiler的比较》https://mp.weixin.qq.com/s/EmVKSj3ddL89hi0s3lOnVA