前一段时间处理数据发现Excel里面的差异基因有一部分变成日期了，直接想到了之前在生信技能树看到博文。现在转发出来。
听说Excel表格动了你的基因名？
原创 生信技能树 生信技能树
很简单啊，修改回来啊！！！
帮同学处理一下他从公司拿到的差异分析结果，当然，给我的是Excel表格，老规矩，导出csv然后读入R，然后准备顺手画个火山图，PCA图，热图，做个GO/KEGG富集分析。下意识的看了看数据结构，然后顺手按照基因名排序了一下，哈哈哈~
image
这是一个大坑。
就因为这个还有两篇文章；
Mistaken Identifiers: Gene name errors can be introduced inadvertently when using Excel in bioinformatics 2004年
Gene name errors are widespread in the scientific literature 2016年
也有人在论坛上面发问，高达2K的阅读量： https://www.biostars.org/p/211861/
Some gene names start with APR/MARC/SEPT* etc default converted into date format.
我们生信技能树论坛也有人分享过： Excel-坑你的基因名没商量！
随意篡改20%的遗传学论文!可就在今年8月份，三位科学家在《Genome Biology》期刊上发表论文，称他们发现20%的遗传学论文包含了Excel软件导致的基因名转换错误。他们对论文进行的扫描显示，科学文献中的基因名错误十分普遍，在默认设置下Excel软件会将基因的名字转换成日期或浮点数。举例来说，基因名字SEPT2和MARCH1会被分别转换成2-Sep和1-Mar;标识符2310009E1被转换成浮点数2.31E+13。
但是，如果你会编程的话，事情就很简单咯，一句话搞定！
a$Gene.Symbol=unlist(lapply(as.character(a$gene_assignment),function(x){trimws(strsplit(x,'//')[[1]][2])}))
