检索到目标数据集后,开始数据挖掘,本文以阿尔兹海默症数据集GSE1297为例

目录

下载平台文件

1.AnnotGPL参数改为TRUE,联网下载芯片平台的soft文件。(国内网速奇慢经常中断)

2.手工去GEO官网下载

转换芯片探针ID为gene name

拓展:通过bioconductor注释包

# 找到GPL6244相应的注释包hgu133a.db

上节我们下载了GEO数据集,并提取了基因表达矩阵,但是矩阵行名称是芯片探针需要转换为基因名。

下载平台文件

1.AnnotGPL参数改为TRUE,联网下载芯片平台的soft文件。(国内网速奇慢经常中断)

注意:下载好soft文件,才可以直接可以提取注释,没下载好,注释内容全为空,后续代码可以运行但是,不能得到正确数据的矩阵。

# 提取注释信息 annotation <- featureData(gse_info[[1]])  

library(GEOquery)

# 指定GEO数据集的ID

gse_id <- "GSE1297"

# 使用getGEO函数获取数据集的基础信息

gse_info <- getGEO(gse_id, destdir = ".", AnnotGPL = TRUE )

# 提取注释信息

annotation <- featureData(gse_info[[1]]) #下载好soft,可以直接可以提取注释,没下载好注释内容全为空

#查看平台文件列名

colnames(annotation)

#仅提取两列,第一列芯片探针名,第十一列基因名

platform_file_set=annotation[,c(1,11)]

#还可以尝试单独下载GPL96平台文件

gse_gp<-getGEO('GPL96',destdir =".")  #  网速不佳 下载失败提示 Failed to download ./GPL96.soft.gz!

2.手工去GEO官网下载

GEO Accession viewerNCBI's Gene Expression Omnibus (GEO) is a public archive and resource for gene expression data.https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL96

dir() #打印项目文件列表

# 读取芯片平台文件txt

platform_file <- read.delim("GPL96-57554.txt", header = TRUE, sep = "\t", comment.char = "#")

#查看平台文件列名

colnames(platform_file)

#仅提取两列,第一列芯片探针名,第十一列基因名

platform_file_set=platform_file[,c(1,11)]

转换芯片探针ID为gene name

先将上节中提取到的表达矩阵转换格式。

表达矩阵是Matrix对象,而我们接下来要用到的merge函数不能对Matrix对象使用,因此要先将表达矩阵转换为data.frame对象。否则会报错。Error in fix.by(by.x, x) : 'by'必需指定唯一有效的列。

#将Matrix格式表达矩阵转换为data.frame格式

exprSet <- data.frame(expression_data)

#给表达矩阵新增加一列ID

exprSet$ID <- rownames(exprSet) # 得到表达矩阵,行名为ID,需要转换,新增一列

#矩阵表达文件和平台文件有相同列‘ID’,使用merge函数合并

express <- merge(x = exprSet, y = platform_file_set, by.x = "ID")

#删除探针ID列

express$ID =NULL

最终将探针ID列删除,剩余32列,即得到有基因名称的表达矩阵。

大家观察最后一列,一个芯片探针匹配到多个基因,下节我们来看看处理方案。

拓展:通过bioconductor注释包

GPL96hgu133a

# 找到GPL6244相应的注释包hgu133a.db

gpl    bioc_package    title GPL32    mgu74a    [MG_U74A] Affymetrix Murine Genome U74A Array GPL33    mgu74b    [MG_U74B] Affymetrix Murine Genome U74B Array GPL34    mgu74c    [MG_U74C] Affymetrix Murine Genome U74C Array GPL71    ag    [AG] Affymetrix Arabidopsis Genome Array GPL72    drosgenome1    [DrosGenome1] Affymetrix Drosophila Genome Array GPL74    hcg110    [HC_G110] Affymetrix Human Cancer Array GPL75    mu11ksuba    [Mu11KsubA] Affymetrix Murine 11K SubA Array GPL76    mu11ksubb    [Mu11KsubB] Affymetrix Murine 11K SubB Array GPL77    mu19ksuba    [Mu19KsubA] Affymetrix Murine 19K SubA Array GPL78    mu19ksubb    [Mu19KsubB] Affymetrix Murine 19K SubB Array GPL79    mu19ksubc    [Mu19KsubC] Affymetrix Murine 19K SubC Array GPL80    hu6800    [Hu6800] Affymetrix Human Full Length HuGeneFL Array GPL81    mgu74av2    [MG_U74Av2] Affymetrix Murine Genome U74A Version 2 Array GPL82    mgu74bv2    [MG_U74Bv2] Affymetrix Murine Genome U74B Version 2 Array GPL83    mgu74cv2    [MG_U74Cv2] Affymetrix Murine Genome U74 Version 2 Array GPL85    rgu34a    [RG_U34A] Affymetrix Rat Genome U34 Array GPL86    rgu34b    [RG_U34B] Affymetrix Rat Genome U34 Array GPL87    rgu34c    [RG_U34C] Affymetrix Rat Genome U34 Array GPL88    rnu34    [RN_U34] Affymetrix Rat Neurobiology U34 Array GPL89    rtu34    [RT_U34] Affymetrix Rat Toxicology U34 Array GPL90    ygs98    [YG_S98] Affymetrix Yeast Genome S98 Array GPL91    hgu95av2    [HG_U95A] Affymetrix Human Genome U95A Array GPL92    hgu95b    [HG_U95B] Affymetrix Human Genome U95B Array GPL93    hgu95c    [HG_U95C] Affymetrix Human Genome U95C Array GPL94    hgu95d    [HG_U95D] Affymetrix Human Genome U95D Array GPL95    hgu95e    [HG_U95E] Affymetrix Human Genome U95E Array GPL96    hgu133a    [HG-U133A] Affymetrix Human Genome U133A Array GPL97    hgu133b    [HG-U133B] Affymetrix Human Genome U133B Array GPL98    hu35ksuba    [Hu35KsubA] Affymetrix Human 35K SubA Array GPL99    hu35ksubb    [Hu35KsubB] Affymetrix Human 35K SubB Array GPL100    hu35ksubc    [Hu35KsubC] Affymetrix Human 35K SubC Array GPL101    hu35ksubd    [Hu35KsubD] Affymetrix Human 35K SubD Array GPL198    ath1121501    [ATH1-121501] Affymetrix Arabidopsis ATH1 Genome Array GPL199    ecoli2    [Ecoli_ASv2] Affymetrix E. coli Antisense Genome Array GPL200    celegans    [Celegans] Affymetrix C. elegans Genome Array GPL201    hgfocus    [HG-Focus] Affymetrix Human HG-Focus Target Array GPL339    moe430a    [MOE430A] Affymetrix Mouse Expression 430A Array GPL340    mouse4302    [MOE430B] Affymetrix Mouse Expression 430B Array GPL341    rae230a    [RAE230A] Affymetrix Rat Expression 230A Array GPL342    rae230b    [RAE230B] Affymetrix Rat Expression 230B Array GPL570    hgu133plus2    [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array GPL571    hgu133a2    [HG-U133A_2] Affymetrix Human Genome U133A 2.0 Array GPL886    hgug4111a    Agilent-011871 Human 1B Microarray G4111A (Feature Number version) GPL887    hgug4110b    Agilent-012097 Human 1A Microarray (V2) G4110B (Feature Number version) GPL1261    mouse430a2    [Mouse430_2] Affymetrix Mouse Genome 430 2.0 Array GPL1318    xenopuslaevis    [Xenopus_laevis] Affymetrix Xenopus laevis Genome Array GPL1319    zebrafish    [Zebrafish] Affymetrix Zebrafish Genome Array GPL1322    drosophila2    [Drosophila_2] Affymetrix Drosophila Genome 2.0 Array GPL1352    u133x3p    [U133_X3P] Affymetrix Human X3P Array GPL1355    rat2302    [Rat230_2] Affymetrix Rat Genome 230 2.0 Array GPL1708    hgug4112a    Agilent-012391 Whole Human Genome Oligo Microarray G4112A (Feature Number version) GPL2112    bovine    [Bovine] Affymetrix Bovine Genome Array GPL2529    yeast2    [Yeast_2] Affymetrix Yeast Genome 2.0 Array GPL2891    h20kcod    GE Healthcare/Amersham Biosciences CodeLink™ UniSet Human 20K I Bioarray GPL2898    adme16cod    GE Healthcare/Amersham Biosciences CodeLink™ ADME Rat 16-Assay Bioarray GPL3154    ecoli2    [E_coli_2] Affymetrix E. coli Genome 2.0 Array GPL3213    chicken    [Chicken] Affymetrix Chicken Genome Array GPL3533    porcine    [Porcine] Affymetrix Porcine Genome Array GPL3738    canine2    [Canine_2] Affymetrix Canine Genome 2.0 Array GPL3921    hthgu133a    [HT_HG-U133A] Affymetrix HT Human Genome U133A Array GPL3979    canine    [Canine] Affymetrix Canine Genome 1.0 Array GPL4032        [Maize] Affymetrix Maize Genome Array GPL4191    h10kcod    CodeLink UniSet Human I Bioarray GPL5188    huex10sttranscriptcluster    [HuEx-1_0-st] Affymetrix Human Exon 1.0 ST Array [probe set (exon) version] GPL5689    hgug4100a    Agilent Human 1 cDNA Microarray (G4100A) [layout C] GPL6097    illuminaHumanv1    Illumina human-6 v1.0 expression beadchip GPL6102    illuminaHumanv2    Illumina human-6 v2.0 expression beadchip GPL6244    hugene10sttranscriptcluster    [HuGene-1_0-st] Affymetrix Human Gene 1.0 ST Array [transcript (gene) version] GPL6246    mogene10sttranscriptcluster    [MoGene-1_0-st] Affymetrix Mouse Gene 1.0 ST Array [transcript (gene) version] GPL6885    illuminaMousev2    Illumina MouseRef-8 v2.0 expression beadchip GPL6947    illuminaHumanv3    Illumina HumanHT-12 V3.0 expression beadchip GPL8300    hgu95av2    [HG_U95Av2] Affymetrix Human Genome U95 Version 2 Array GPL8321    mouse430a2    [Mouse430A_2] Affymetrix Mouse Genome 430A 2.0 Array GPL8490    IlluminaHumanMethylation27k    Illumina HumanMethylation27 BeadChip (HumanMethylation27_270596_v.1.2) GPL10558    illuminaHumanv4    Illumina HumanHT-12 V4.0 expression beadchip GPL11532    hugene11sttranscriptcluster    [HuGene-1_1-st] Affymetrix Human Gene 1.1 ST Array [transcript (gene) version] GPL13497    HsAgilentDesign026652    Agilent-026652 Whole Human Genome Microarray 4x44K v2 (Probe Name version) GPL13534    IlluminaHumanMethylation450k    Illumina HumanMethylation450 BeadChip (HumanMethylation450_15017482) GPL13667    hgu219    [HG-U219] Affymetrix Human Genome U219 Array GPL14877    hgu133plus2    Affymetrix Human Genome U133 Plus 2.0 Array [Brainarray Version 13, HGU133Plus2_Hs_ENTREZG] GPL15380    GGHumanMethCancerPanelv1    Illumina Sentrix Array Matrix (SAM) - GoldenGate Methylation Cancer Panel I GPL15396    hthgu133b    [HT_HG-U133B] Affymetrix HT Human Genome U133B Array [custom CDF: ENTREZ brainarray v. 14] GPL17556    hugene10sttranscriptcluster    [HuGene-1_0-st] Affymetrix Human Gene 1.0 ST Array [HuGene10stv1_Hs_ENTREZG_17.0.0] GPL17897    hthgu133a    [HT_HG-U133A] Affymetrix Human Genome U133A Array (custom CDF: HTHGU133A_Hs_ENTREZG.cdf version 17.0.0) GPL18190    hugene11sttranscriptcluster    [HuGene-1_1-st] Affymetrix Human Gene 1.1 ST Array [CDF: Brainarray HuGene11stv1_Hs_ENTREZG_15.1.0]  

好文阅读

评论可见,请评论后查看内容,谢谢!!!
 您阅读本篇文章共花了: