KEGG数据库的rest API(附带R语言小技巧)

发现感兴趣的KEGG ID居然不在KEGG.db包里面，比如：

hsa05034 Alcoholism
hsa05030 Cocaine addiction

导致下面的代码失效：

library(KEGG.db)
ls("package:KEGG.db")
cellcycle_genes=KEGGPATHID2EXTID[['hsa04110']]
cytokine_genes=KEGGPATHID2EXTID[['hsa04060']]
KEGGPATHID2EXTID[['hsa05034']]
KEGGPATHID2EXTID[['hsa05030']]


其实，即使不失效，也不能使用这种方法来找属于某个pathway的基因集合了，因为这个R包以及很多年没有更新了。

搜索了一下，发现KEGG数据库的rest API，比如

http://rest.kegg.jp/get/hsa05034 (点击阅读原文可以直达)

本来准备读入到R里面，然后自己解析，发现其实已经有了R包：

library(KEGGREST)
listDatabases()

## ----get_organisms------------------------------------------------------------
org <- keggList("organism")
head(org)
keggGet('hsa05034')
gs <- keggGet('hsa05034')
gs[[1]]$GENE
genes <- unlist(lapply(gs[[1]]$GENE,function(x) strsplit(x,';')[[1]][1]))
genes[1:length(genes)%%2 ==0]


当然了，这个R包的功能不止如此：https://bioconductor.org/packages/release/bioc/html/KEGGREST.html 我就不多演示了，感兴趣的朋友去探索一下。

补充阅读：

pathway gif动画版 可视化 ：https://github.com/ajmazurie/kegg-animate-pathway

另外：附赠一个基因ID转换R语言完成方式：

ensembl2symbol <- function(genes){
 library(org.Hs.eg.db)
 eg2symbol=toTable(org.Hs.egSYMBOL)
 eg2ensembl=toTable(org.Hs.egENSEMBL)
 #genes=sample(eg2ensembl$ensembl_id,100)
 tmp=merge(eg2symbol,eg2ensembl,by='gene_id')
 return(tmp[tmp$ensembl_id %in% genes,])
}
genes=sample(eg2ensembl$ensembl_id,100)
ensembl2symbol(genes)
genes=sample(eg2ensembl$ensembl_id,100)
ensembl2symbol(genes)
genes=sample(eg2ensembl$ensembl_id,100)
ensembl2symbol(genes)


就当是我当年参加生信技能树直播编程活动提交的作业吧！

历史题目：

生信编程直播第0题-生信编程很简单！

生物信息学技能面试题(第1题)-人类基因组的外显子区域到底有多长

生物信息学技能面试题(第2题)-探索人类基因组序列

生物信息学技能面试题(第3题)-探索人类基因组注释文件

生物信息学技能面试题(第4题)-多个同样的行列式文件合并起来

生物信息学技能面试题(第5题)-根据GTF画基因的多个转录本结构

生物信息学技能面试题(第6题)-下载最新版的KEGG信息，并且解析好

生信编程直播第七题：写超几何分布检验！

生信编程直播第八题：ID转换大全

生信编程直播第9题-根据指定染色体及坐标得到参考碱基

生信编程直播第10题：根据指定染色体及坐标得到位置信息

生信编程直播第11题：把文件内容按照染色体分开写出

生信编程直播第12题：json格式数据的格式化