如何将安捷伦公司circRNA芯片探针转换成circbase ID

Question

从GEO上下载了circRNA芯片数据，芯片是由安捷伦公司提供的Agilent-084410 Human LncRNA 4X180K（GEOdataset平台编号GPL27713），我如何将该芯片上的探针编号转换成标准的circbase ID？

circRNA芯片信息如下例：

Answer 1

引自免费微信小程序：皆我百晓生

为了将安捷伦公司circRNA芯片探针转换为circbase ID，你需要通过序列比对的方法将芯片上的探针序列与circbase数据库中的circRNA序列进行匹配。由于没有现成的工具或API可以直接完成这一转换，因此你需要按照以下步骤手动进行：

1. 下载circbase数据库或其序列文件。
2. 将你的GEO数据集中的探针序列提取出来，并整理成一个fasta格式的文件，每条记录的第一行应包含序列名称（例如SPOT_ID），第二行是对应的序列。

示例：

>SPOT_ID_A_23_P20427
AGGAGGTATGAATCCCAGTCCCCAGGAACCTAGCTCTTTAAACTCTGGGGAGTCGGATTC
>SPOT_ID_CUST_H6L_38477
AGTAAAAATTCTCCTACTCCACGTGGAAGTGGCTCCGTGAGAAAAATTCCCTATCAAGCC

1. 使用序列比对工具（如BLAST、Bowtie2、STAR等）将你的fasta文件与circbase数据库进行比对，查找每个探针序列在circbase中的最佳匹配circRNA。

对于本地BLAST比对，可以使用NCBI BLAST+工具包，命令大致如下（需先安装并配置好数据库）：

blastn -query your_probe_sequences.fasta -db circbase_database.fasta -outfmt "6 qseqid sseqid pident" -max_target_seqs 1 > blast_results.txt

1. 分析比对结果，找到每个探针对应的circbase ID。通常情况下，比对结果中sseqid字段即为目标circbase序列ID。

由于这是一个涉及到生物学数据库比对的过程，且需要具体的circbase数据库文件作为参考，以上步骤可能需要根据实际情况调整。另外，由于circRNA的鉴定和注释是一个复杂过程，不同研究之间可能存在差异，完全匹配的情况可能不常见，因此可能还需要结合其他注释信息综合判断。如果你拥有大量数据，建议编写脚本自动化处理上述流程。