2020.02.18【数据分析心得】丨如何将基因ID转化为基因名称

上一次在这个平台上写文章居然已经是5年前了，毕竟研究生阶段没有主攻数据处理，让自己少了很多IT属性。废话少说，今天记录一下将基因ID转化为基因名称的操作办法。

在拿到公司的基因测序数据后，不同的测序公司给出的数据也是不同的，有时候会遇到一个问题就是测序公司给出的分析报告中，GO富集以及KEGG通路通常直接以基因ID的形式给客户，而导师要求送审文章的附件要显示为基因名称。

尽管在拿到的测序数据中有所有原始数据的基因ID以及对应的基因名称的list，但一一对应转换显然不太现实。因此，读研期间，我用Excel制作了一个转换工作台来完成这项工作，没想到毕业之后，师弟师妹仍然有这个需求。于是我打算写这个文章，将这个简单的处理文档分享给大家。

转换总共包括基因格式处理、匹配基因ID与基因name、生成基因name、清洗空白域、添加分隔符、粘贴文本格式、合并基因以及粘贴文本格式并清洗分隔符8个步骤，在excel文档中每个sheet都为1个步骤。看起来似乎有些麻烦，但每一个步骤涉及的操作只有1步，可以说讲转化步骤完全拆解了。

step1.分列处理

第一步首先将待转化的基因ID列表复制粘贴到step1表格中，GO分析和KEGG基因ID列表一般为单列，而后面步骤转化每个基因ID时都需要每个基因ID单独占一个单元格。因此，第一步我们需要将单列的基因ID进行分列处理。

选中该列数据，在上方菜单栏中找到【数据】，【分列】→【分隔符号】→【分号】（根据实际情况选择）→【完成】，即可将每一个基因ID放入对应的单元格中。

step2.匹配基因ID与基因name

第二步很简单，既然要转换，就需要一个“字典”，给后面的转化做参考，我们在测序文档中将原始数据的基因ID以及对应的基因name两列复制粘贴到step2的表格里就可以了。需要注意的是“字典”的基因ID一定要全，确保你转换的基因ID都被包含在了“字典”里面。

step3.生成基因name

如果你的前两步都没有问题，基因ID已经分列成功，“字典”内容完整，那么到step3的时候，你会惊奇地发现你的基因name已经生成出来了！转换的函数其实不难，一个IFERROR函数内嵌一个VLOOKUP函数，IFERROR函数判定是否有基因ID需要匹配或者是基因ID是否包含于“字典”中。value_if_error值（491861）可以自己设定，只要保证value_if_error值不会出现在基因name中就行，避免在清洗环节把基因name修改了，后面的步骤则是将基因name还原成step1中的单列格式。

step4.清洗空白域

这一步稍微有些复杂，需要我们将steo3生成的基因name所在行复制到step4当中，粘贴时，选择粘贴 值（按钮角标是123），不要直接Ctrl+V，这样在step4当中的基因name才不会显示输出错误。然后选中所有基因name行，在菜单栏【开始】→【查找和选择】→【替换】，将value_if_error值（491861）删除掉（替换为一栏留白即可），即可清洗空白域

step5.添加分隔符

第五步是在每个基因name后面通过“&”符号添加分隔符，这样方便合并，这一步只需要将带分隔符的基因name所在行复制到下一步就可以了。

step6.粘贴为文本格式

第六步与step4相同，粘贴时选择粘贴 值，作为下一步的合并数据。

step7.合并基因name

使用PHONETIC函数将同一行单元格内的所有基因name合并到第一列的单元格中，如果你的第六步没有问题，到这里可以直接得到合并集，我们马上就要成功了！

step8.清洗分隔符

最后一步，将step7的第一列以 值 的形式粘贴到最后一步，在菜单栏选择【开始】→【查找和选择】→【替换】，将 ,,(双逗号)替换为空白,这样，最后一个基因后面的分隔符会被清除掉，而基因name之间的分隔符仍然会被保留。

来看下替换前后的样子：

以上就是基因ID替换为基因name的操作流程，大家可以根据自己的实际情况对文档进行修改，工作文档直接在下方资源信息处下载即可。

欢迎交流讨论