GEO 表达矩阵的ensembl id转换为gene symbol 帮我写代码

在使用GEO（Gene Expression Omnibus）数据时，通常需要将表达矩阵中的Ensembl IDs转换为常见的基因名称（比如HGNC ID）。虽然GEO本身并不直接提供这样的映射，但我们可以利用外部工具或R库来完成这个任务。这里我会给你展示如何用`TxDb.Hsapiens.UCSC.hg38.knownGene`数据库（包含Ensembl ID到基因符号的映射）来实现这一过程。

首先，你需要安装`AnnotationHub`、`GenomicFeatures`和` TxDb.Hsapiens.UCSC.hg38.knownGene`库：

if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager")
BiocManager::install(c("AnnotationHub", "GenomicFeatures", "TxDb.Hsapiens.UCSC.hg38.knownGene"))

接下来，创建一个函数来转换Ensembl ID：

library(AnnotationHub)
library(GenomicFeatures)

get_gene_symbol_from_ensembl <- function(ensembl_ids, genome_db = "hg38") {
  # 加载UCSC hg38的基因注释数据库
  txdb <- makeTxDbFromGRanges(
    AnnotationHub()[["AH74902"]],
    dataSource = "ucsc",
    formatVersion = 1,
    genome = genome_db
  )
  
  # 创建查找表
  lookup_table <- transcripts(txdb)$gene_name
  
  # 翻转查找表，以便快速查询
  lookup_table <- as.data.frame(t(lookup_table), row.names = NULL)[rownames(lookup_table),]

  # 使用查找表查找对应的基因符号
  gene_symbols <- lookup_table[ensembl_ids, "gene_name"]
  
  # 返回结果，如果某个Ensembl ID找不到对应符号，则返回NA
  gene_symbols[is.na(gene_symbols)] <- "Unknown"
  return(gene_symbols)
}

# 示例使用
ensembl_ids <- c("ENSG00000123456", "ENSG00000234567")  # 替换为你实际的数据
gene_symbols <- get_gene_symbol_from_ensembl(ensembl_ids)
print(gene_symbols)