R中GEO数据的预处理

Posted on | In | |

获得芯片探针与gene的对应关系的三种方法：

  • 在基因芯片的厂商的官网直接下载

  • 从NCBI里面下载文件来解析

  • 直接使用Bioconductor包

    以下是直接使用Biocondutor包的流程：

  • 获取平台与Bioconductor包之间的对应关系

1
2
3
4
5
6
7
8
9
10
library(BiocManager)
BiocManager::install("GEOmetadb")
install.packages("RSQLite")
devtools::install_github("ggrothendieck/sqldf")
library(GEOmetadb)
library(RSQLite)
library(sqldf)
getSQLiteFile()
con<-dbConnect(RSQLite::SQLite(),"GEOmetadb.sqlite")
gplToBioc<-dbGetQuery(con,'select gpl,bioc_package,title from gpl where bioc_package is not null')

  • 下载所需要的包

    1
    2
    3
    4
    5
    6
    7
    for(i in 1:nrow(gplToBioc)){
      platform=gplToBioc[i,1]
      platformDB=paste(platform,".db",sep = "")
      if(platformDB %in% rownames(installed.packages()) ==FALSE){
        BiocManager::install(platformDB)
      }
    }

  • 批量获得芯片探针与gene的对应关系

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    library(hgu133a.db)
    library(GEOquery)
    #下载GEO数据集
    GEO<-"GSE24673"
    if(!file.exists(GEO)){
      gset<-getGEO(GEO,destdir = ".",getGPL = F,AnnotGPL = F)
      save(gset,file=GEO)
    }
    data<-gset[[1]]
    data<-exprs(data)
    ids<-toTable(hgu133aSYMBOL)
    data<-data[ids$probe_id,]
    ids$median<-apply(data,1,median)
    ids<-ids[order(ids$symbol,ids$median,decreasing = T),]
    ids<-ids[!duplicated(ids$symbol),]
    data<-data[ids$probe_id,]
    rownames(data)<-ids$symbol