可以用网页版做，但有上限2000个基因的限制。所以今天开发一下怎么用R飞一波。
1. 下载STRING数据库中蛋白质相互作用网络
2. 下载Uniprot ID转换文件
打开terminal
wget -c ftp://ftp.uniprot.org/pub/databases/uniprot/current_release/knowledgebase/idmapping/
得到的是网页形式，乱码了
继续刚才的步骤，拷贝链接
wget -c ftp://ftp.uniprot.org/pub/databases/uniprot/current_release/knowledgebase/idmapping/by_organism/
重复上述步骤，拷贝链接，wget
3. 万事俱备，我们现在手里有三个文件，我整理一下他们之间的关系
1）input gene：我们关注的基因，symbol格式，可用Y叔的包转化成Uniprot ID
2）id文件：uniprot和ENSG之间的对应关系
3）PPI互作文件：ENSG格式
接下来就开始愉快的数据清洗啦～～
- 准备工作：
library(dynamicTreeCut)
library(openxlsx)
library(stringr)
library(Matrix)
library(WGCNA)
Sys.setenv(LANGUAGE = "en") #显示英文报错信息
options(stringsAsFactors = FALSE) #禁止chr转成factor
setwd("/Users/baiyunfan/desktop")
- 读取这三个文件
idmapping<-read.table("HUMAN_9606_idmapping_selected.tab",header = F,as.is=T,sep="\t")
ppi <- read.table("9606.protein.actions.v11.0.txt",header=T,sep = "\t")
gene<-read.table("turquoise.txt",sep=",")
idmapping
gene
ppi
- 将我们的输入基因SYMBOL转化成UNIPROT ID
library(clusterProfiler)
m<-bitr(gene[,2],fromType = "SYMBOL",toType = "UNIPROT",OrgDb = "org.Hs.eg.db")
colnames(idmapping)[1]<-"UNIPROT"
- 通过idmapping文件，将UNIPROT，SYMBOL，ENSP三种ID联系到一起
n<-merge(m,idmapping[,c(1,21)],by="UNIPROT",all.x=T)
n<-n[-which(n[,3]==""),]
- 上图可看出，第三列有多个ENSP挤在一个格里，按照分号给拆分一下
prots<-str_split(n[,3],"[;]")
names(prots)<-n[,1]
prots_tmp<-unlist(lapply(1:length(prots), function(x){paste(names(prots)[x], prots[[x]],sep=";")}))
prots_mat <- str_split(prots_tmp,"[;]",2,simplify = T)
colnames(prots_mat) <- c("uniprot","ensemblprot")
prots_mat
- ppi文件前面多个9606.，需要清洗掉
ppi$item_id_a <- str_replace(ppi$item_id_a,"9606.","")
ppi$item_id_b <- str_replace(ppi$item_id_b,"9606.","")
- 将PPI中的目标基因留下，其余的删掉，并删去重复的
ppi<-ppi[which(ppi[,1] %in% prots_mat[,2] & ppi[,2] %in% prots_mat[,2]),]
ppi$identical<-paste0(ppi[,1],ppi[,2])
ppi<-ppi[!duplicated(ppi$identical),]
ppi$identical<-paste0(ppi[,2],ppi[,1])
ppi<-ppi[!duplicated(ppi$identical),]
ppi1
最后两行就是我们的目标蛋白互作啦～
