如何根据EntrezGeneID或者hgnc_symbol来批量下载人类基因3utr序列数据

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

目前我根据已EntrezGeneID，通过R包biomaRt获取了如下图所示的hgnc_symbol等信息，请问有木有大神知道如何根据EntrezGeneID、hgnc_symbol等信息来批量下载基因序列数据(格式为3utr)？biomaRt包中getSequence()和R包中示例获取5utr的代码都有尝试，但报参数Invalid，代码和运行结果如下图所示。请大神指教！十分感谢！ p.s. 最终希望获得的数据类型为基因3utr序列数据

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：symbol 序列数据 批量下载 EID MBO bioMart 批量下载基因序列

BiocManager::install("BSgenome.Hsapiens.UCSC.hg19")
只试过安装人类基因组序列数据包

llb_321 发表于 2021-3-12 22:36
BiocManager::install("BSgenome.Hsapiens.UCSC.hg19")
只试过安装人类基因组序列数据包

感谢大侠帮助！大神一句话，菜鸟少十年。再请问下，如何从该包中获取人类基因组序列数据呢？看了下官方文档，没有思路。

那个包里有个Hsapiens，比如，用Hsapiens$chr1可以得到第一条染色体的数据。但是，这是UCSC的hg19版本，相当于Grch37，版本略低。
最新的应该是Grch38，下面是ensembl的Grch38版本人类基因组数据的链接页面
http://ftp.ensembl.org/pub/release-103/fasta/homo_sapiens/dna/
其中，Homo_sapiens.GRCh38.dna.toplevel.fa.gz 这个文件，大概1个多G压缩包，应该是最完整的数据，其他是各染色体的单独压缩包。
不同来源的、不同版本的基因组数据，读取的方法会有差别，具体你多查查网上的资料。一般地，在R中，用的比较多的是Biostrings包，可以对DNA、RNA、AA等序列进行操作，比如基本的转录、翻译、匹配、比对等。

你最开始用的biomaRt，有的时候不太稳定，受网络传输速率、访问超时等因素影响较大，而且现在有些mart的网站架构可能发生了变化，以前能过的代码现在可能就不好用了。

ensembl的序列文件应该是fasta格式的，不是3utr

llb_321 发表于 2021-3-14 22:09
那个包里有个Hsapiens，比如，用Hsapiens$chr1可以得到第一条染色体的数据。但是，这是UCSC的hg19版本，相 ...

好的，十分感谢大神！！让我对BSgenome包和人类基因组数据有了更深的了解和认识。多谢大神的帮助和指导！！