我们在处理基因数据时候常常会遇到一些id转换的困难，虽然有很多id转换的工具，比如ENSEMBL的biomart，但是总的说来都不是很完美，最终觉得还是不如自己编写程序来匹配用得方便（因为自己写一些perl程序来作匹配可以更好的满足自己的特殊需求），但是我们又苦于去寻找这些id2id的文件，下面我主要以介绍GENE_ID转换为ENSEMBL_GENE_ID（或者是REFSEQ_ID）为例，介绍一下如何自己编写perl程序实现简单的数据匹配：

1、首先，我们需要得到id2id的一个文件，这样的数据一般可以从公共数据库中下载（只要是大型的数据库一般都会提供的），我就从NCBI下载了一个gene2ensembl的文本作为数据转换的例子，当然还有其他的一些数据转换文本你也可以去它的ftp站点下载。

2、我们将下好的文本文件用excel打开就可以看见里面有好几列数据，文本第一行一般就是介绍，比如这里的gene2ensembl第一列是物种，第二列是geneid，我们接下来要做的工作是将geneid转化为ensembl gene id。

3、程序代码如下：（主要思想是用hash，以geneid为key，以ensembl gene id 为 value，先把所有的geneid2ensembl gene id存到hash中，然后再写到我们需要转换的文本中）

#!/usr/bin/perl

open INPUT1, "geneid.txt" or die "$!";

open INPUT2, "gene2ensembl" or die "$!";

open OUTPUT, ">>geneid-1.txt" or die "$!";

my %diff;        #建立hash表，将geneid2ensembl分别以键值对存入diff中

while (<INPUT2>)

{

chomp;

@input2=split(/\t/,$_);

$GENID=$input2[1];  #geneid作为key

$ENSG=$input2[2];  #ensembl gene id作为value

if($GENID){  #判断key是否存在

if($diff{$GENID}){ #判断value是否已经存在，如果存在了就在原来的数据后面追加

if ($ENSG != $diff{$GENID}){

$diff{$GENID}.=";$ENSG";

}

}

else{

$diff{$GENID}.="$ENSG";#如果不存在就在新建一个键值对

}

}

}

while (<INPUT1>)

{

chomp;

@line=split(/\t/,$_);

$ID=$line[0];#被写入文本的geneid在第一列

splice(@line,0,0,$diff{$ID});#将geneid对应的ensembl gene id插入已知geneid的文本的第一列

$new=join("\t",@line);#将数组合成一个字符串写出

print OUTPUT "$newn";

}

close INPUT2;

close INPUT1;

close OUTPUT;

4、还有更多的id转换工具可以去公共数据库的ftp网站下载，比如ftp.ncbi.nlm.nih.gov/gene/