目录
1.载入R包
2.利用AnnoProbe下载GEO数据库中的数据
3.提取表达矩阵和临床信息
4.输出文件
1.获得GEO数据库中的数据
下面以GSE14520数据系为例:
获得GEO数据库中的数据总体上分为两种办法:1.从GEO数据库中下载;2.用R包下载
(1)从GEO数据库中下载
进入GEO网站,找到对应的Series Matrix File(s)即表达矩阵进行下载,保存到本地进行加载。
在R中打开,由于read.table之后的表达矩阵与getGEO之后的有一定出入,需要处理一下。
a1<-read.table("GSE76275_series_matrix.txt.gz",sep="\t",quote = "", fill=T,comment.char = "!",header=T)rownames(a1)<-a1[,1] #把第一列的值变为行名a1<-a1[,-1]
(2)用R包下载
用R包下载GSE芯片数据有两种方法:使用AnnoProbe包或者GEOquery包
方法一:利用AnnoProbe包
gset=AnnoProbe::geoChina('GSE14520')
tips:AnnoProbe包只能用于下载GEO中的arry数据,无法下载RNAseq类型的GSE。如果下载的GSE是RNAseq类型,AnnoProbe会报错。
方法二:利用GEOquery包中的getGEO函数
gset <- getGEO("GSE14520", GSEMatrix =TRUE AnnotGPL=TRUE ,)
AnnotGPL:关于是否使用注释GPL信息默认为False的布尔值。这些文件很好用,因为它们包含定期从Entrez Gene重新映射的最新信息。但是,它们并不适用于所有GPLS;通常,它们仅适用于GDS引用的GPLs。所以有时候我们需要单独下载处理,其实就是用于探针注释。
GSEMatrix:告知GEO查询是否使用GEO中的GSE系列矩阵文件的布尔值。
2.提取表达矩阵和临床信息
exprSet <- data.frame(exprs(gset[[1]]))#exprs用于提取表达矩阵信息pdata<-pData(exp)#pData用于提取临床信息
gset[[1]] 的意思是,从gset这个对象中提取第一列数据。也就是提取了下图中$GSE16956_series_matrix.txt…. 这一列的数据
[[ ]]这个语法有点类似于$,都是用来提取串列的。只不过[[]]可以提取list,而$只能提取dataframe
注意:
如果你的GSE只有一个GPL,那么从gset中就仅含有一列数据,也就是说gset[[1]]就能把这个GSE所有的数据提取出来。
但如果你的GSE只有两个GPL,那么从gset中就有两列数据,gset[[1]]只能提取该GSE中一个GPL,不注意这点就会遗漏掉另一个GPL的数据。所以,这种情况要使用两行代码分别提取两个GLP的数据。
expMatrix1 <- exprs(gset[[1]])#提取第一个平台的表达矩阵expMatrix2 <- exprs(gset[[2]])#提取第二个平台的表达矩阵expMatrix <- cbind(expMatrix1, expMatrix2)#两个表达矩阵合并为一个总矩阵pdata1 <- pData(gset[[2]])#提取第一个平台的临床数据pdata2 <- pData(gset[[1]])#提取第二个平台的临床数据
那么如何判断你下载的这个GSE是有几个GPL呢?很简单,如果包含了两个或者多个GPL,你可以在RStudio右上角的环境变量中的”gset“后面的括号里看到”2 elements“的字样
如果只含有一个GPL,则不会显示括号,仅显示”Large ExpressionSet“的字样
或者你也可以通过View(gset)语法来查看:
3.输出文件
最后将数据框输出为csv文件,这个时候如果直接用write.table()函数的话,会造成列名左移的情况,解决办法参见我之前的文章(9条消息) R语言 | 导出数据框,会出现第一行左移一位的问题,解决办法如下_tianyuu1的博客-CSDN博客https://blog.csdn.net/tianyuu1/article/details/128105158
更多教学请关注:
公众号:LN生物笔记
知乎:小宇