从芯片到测序，从转录组到蛋白组，基因名的问题一直困扰着我们。

芯片

一个基因会对应N个探针集。以最常见的Affymetrix Human Genome U133 Plus 2.0 Array为例，HOXD10基因，对应着229400_at和207373_at等探针。若你研究这个基因，那么到底是以229400_at探针集的表达值作为HOXD10的表达值，还是以207373_at探针集的表达值作为HOXD10的表达值？

测序

一个基因对应多个转录本，多个Ensembl ID又对应一个gene symbol。例如ENSMUSG00000053687和ENSMUSG00000115067都对应着Dpep2基因。若你研究这个Dpep2基因，那么到底用ENSMUSG00000053687还是用ENSMUSG00000115067？

蛋白质谱

蛋白质谱就更复杂了，一个多肽/蛋白对应多个基因，多个多肽/蛋白对应一个基因。

总之，不入相思门，不知相思苦。^【附1】 

解决方法是：将相同ID的表达值取均值或者median值，当然也有取最大值的。 

例如，取均值。

那么，我们就以(2.0+12.0)/2=7.0，作为HOXD10的表达值。 

工欲善其事必先利其器！偶尔几个就用excel操作下，多的话，就借助工具。 

这里，我们使用微生信平台的基因ID合并工具。

应用场景：1，芯片探针id合并；2，根据基因symbol，合并多个基因的表达；3，合并多个多肽的表达值。合并后再进行聚类等分析。当然，我们微生信平台在线绘制聚类图早就集成了这个功能。

三步走：

第一步：打开工具页面。

图1. 工具页面

第二步，粘贴数据，选择参数 

图2. 示例数据

 在示例数据中，标颜色的基因ZNF44和WDR81均有两行表达值。

我们提供了均值、median值和最大值三种方法供选择。

 第三步，提交出结果

图3. 合并后结果 

经过工具合并后，这两个基因的表达值就以它们对应两行的均值表示。得到这个表后，就可以去做热图了，再也不用担心热图上显示两个一模一样的基因名了。

附1：李白*秋风词

秋风清，秋月明，落叶聚还散，寒鸦栖复惊。相亲相见知何日，此时此夜难为情；入我相思门，知我相思苦，长相思兮长相忆，短相思兮无穷极，早知如此绊人心，何如当初莫相识。

微生信云平台 谷歌引用600+ 知网引用450+