五分钟搞定一个芯片的重注释，让那些没有genesymbol的数据再次好用
我们做芯片数据分析的时候经常会遇到有些基因芯片根本没有geneSymbol，或者有些lncRNA芯片根本没有像样的名称，故此对我们后续的分析也造成了不少的麻烦，基于此 我们可以通过序列比对的方式将探针序列重新比对到转录本上，从而拿到最新的基因编号，本文以HuGene-1_0-st探针为例
芯片平台地址：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL6244
这个平台官网提供的注释信息根本没有genesymbol,只有genebank ID,这就很尴尬了，后续的分析很多都很不方便
不过不要紧，我们可以使用芯片重注释技术 根据探针序列 将这些探针重新比对到各个转录本中，从而拿到统一的 基因ID
首先根据教程 https://shengxin.ren/article/439 我们下载作为参考转录本文件的序列
然后我们从芯片官网找到探针序列的文件
注：存档文件 上面的日期选择 越近越好，还有就是下载完后 打开序列文件 看看探针的ID 对不对的上，有时候探针序列上的ID不一定是 探针ID，此时需要再找找看其他的
导入 SeqMap序列比对工具
等待比对完成
注意我们的探针ID
然后将结果导入到 基因注释工具
设置正确的分割条件，将最终的ID给提取出来，稍作等待之后，最终得到match_clear文件
用Excel打开，我们可以看到文件分三列，第一列为探针，但是都多了 TranscriptClusterID=，我们把他替换掉，最终得到了探针ID对应基因ID的文件
我们可根据这个文件 作为背景文件，使用ID转换器从探针表达谱中转换得到ENSG表达谱，再次转换 便可得到genesymbol表达谱
比如探针ID:7896746 原来的注释如下：
新注释的信息如下：
从数据库查阅到的如下：
- 发表于 2018-08-30 21:44
- 阅读 ( 23408 )
