你的基因名被EXCEL自動轉換成數字了嗎？
充滿惡意的Excel自動轉換
做基因組學分析時發現，在默認設置下將數據導入Microsoft Excel後，部分基因名會自動轉換為日期或浮點[1]。2016年發表於Genome Biology上的一項研究顯示，補充材料里包含Excel格式基因名的文獻中，約有20%出現了這種錯誤的轉換[2]。
The spreadsheet software Microsoft Excel, when used with default settings, is known to convert gene names to dates and floating-point numbers. A programmatic scan of leading genomics journals reveals that approximately one-fifth of papers with supplementary Excel gene lists contain erroneous gene name conversions.
舉例來說，將下表中第一列的數據導入Excel後，將自動轉換為第二列的內容：
一旦導入Excel後，這種轉換是不可逆的，也就是說無法通過將單元格格式設置為文本格式修復。
如果我們嘗試修改單元格格式為文本，將出現下圖第三列所示的內容：
看到43525，43800這種數字，是不是感覺很眼熟？我相信很多人的基因Excel表裡都有他們的存在。那麼這個數字是怎麼來的呢？
Excel的日期默認是從1990/1/1開始的，也就是說1900/1/1轉化為數字格式將是1。而筆者寫本文的時間是2019年，所以MARC1基因轉換為1-Mar，也就是2019/3/1，它的數字格式為2019/3/1減去1900/1/1，即43525。這一問題困擾了非常多的的科研人員，在Biostar上相關問題的點擊已經超過3.5K[3]。
如何避免這種轉換？
最簡單的方法，新建Excel表，單元格全選，更改為文本格式，然後再導入數據。但這種方式不利於數字計算。
此外，Eric A. Welsh開發了一個小工具escape_excel以阻止這種轉換，其原理十分簡單，就是在原始數據前後加上引號。這項工作還在2017年發表到了Plos One上[4,5]。(不得不說，想發表文章，idea非常重要)
該工具提供在線版本，Windows系統下的Excel插件，Perl腳本和Galaxy訪問介面，教程請參見作者Github[6]。
已經轉換的數據如何處理？
建議從測序原始數據中提取正確的基因名，畢竟測序公司輸出的文件一般都不是Excel格式。
如果找不到原始數據，也沒有NCBI_GENE_ID或其他資料庫基因ID，我們還是能把轉換成日期或數字的基因名盡量還原。日期格式的基因名：
以1-Mar為例，由於Excel日期轉換隻針對3個或以上字母的匹配，所以它的原始基因名可能為MAR1或MARC1或MARCH1，檢索得知不存在MAR1基因，所以範圍縮小到MARC1基因或MARCH1基因。
數字格式的基因名：
以43525為例，先將單元格轉化為日期格式2019/3/1，忽略年份得到1-Mar，後續步驟同上。
因此，43160轉化後的結果也為1-Mar，這與轉換髮生時的年份有關，但不影響還原方式。以上就是基因名被EXCEL自動轉換的解決方案了。最後留一個小建議，在操作每一個文件前，請先留好備份，以免發生意外情況。
參考資料：
1. Zeeberg B R , Riss J , Kane D W , et al. Mistaken Identifiers: Gene name errors can be introduced inadvertently when using Excel in bioinformatics[J]. BMC Bioinformatics, 2004, 5(1):80-0.
2. Ziemann M , Eren Y , El-Osta A . Gene name errors are widespread in the scientific literature[J]. Genome Biology, 2016, 17(1):177.
3. Question: How to avoid conversion of gene symbols to date format in Excel
4. Welsh E A , Stewart P A , Kuenzi B M , et al. Escape Excel: A tool for preventing gene symbol and accession conversion errors[J]. PLOS ONE, 2017, 12(9):e0185207-.
5. Escape gene name-mangling with 『Escape Excel』
6. escape_excel插件的github地址
推薦閱讀：
