提供了编程的基础技术教程

zl程序教程

您现在的位置是：首页 >  数据库

当前栏目

GEO数据挖掘2（分组+探针注释的获取）

数据
2023-03-07 09:46:45 时间
  • 分组：

看pd数据的表格 查看哪里可以看到分组依据

某一列包含了单独分组信息，（一般只包含1~2个单词）,直接提取

image.png
Group = pd$`disease state:ch1`

在网页上or自己数有几个分组，每个分组对应几个样本

Group = c(rep("RA",times=13),
            rep("control",times=9))
Group = rep(c("RA","control"),times = c(13,9))

某一列的信息中可以提取到分组信息

image.png
Group=ifelse(str_detect(pd$source_name_ch1,"control"),
               "control",
               "RA")

把分组的数据类型变成因子型数据，因子型数据可以理解为有高低顺序的分类变量

Group = factor(Group,levels = c("control","RA")) #level是水平，要把control组放在第一个位置
  • 获取探针注释： 啥是探针注释？——是探针id和基因名（symbol）的对应关系 获取途径： 1.bioconductor的注释包： http://www.bio-info-trainee.com/1399.html 在该网页找到基因平台号对应的R包 control + F 网页搜索GPL号，找到探针对应的R包
image.png
if(!require(hgu133plus2.db))BiocManager::install("hgu133plus2.db") #安装并加载R包，R包完整的名字应该是搜索到的名字+.db
library(hgu133plus2.db)
ls("package:hgu133plus2.db") #查看该R包里所有的数据and函数
ids <- toTable(hgu133plus2SYMBOL)
head(ids)

2.从GPL网站提取探针注释

在该GPL号码的网页，可以下载对应的探针注释信息的表格，下载后保存于工作目录中

下载按钮

取出探针id和对应symbol的两列（数据框取子集）

 b = read.delim("GPL570-55999.txt",

                 check.names = F,

                 comment.char = "#")

  colnames(b) #查看下载的表格的各个列名，并复制相应的列名用于取子集

  ids2 = b[,c("ID","Gene Symbol")]

  colnames(ids2) = c("probe\_id","symbol") #更改行名

  k1 = ids2$symbol!="";table(k1) ##去掉没有对应基因名的探针id（开放性探针的id）

  k2 = !str\_detect(ids2$symbol,"///");table(k2) ##去掉对应多个基因名的探针id

  ids2 = ids2[ k1 & k2,]

并不一定所有的探针注释中开放性探针都是" "，所以要看一下如

开放性探针

这里我们可以取数据框子集查看里面的内容是什么

ids2$[410,2]

3.探针平台的官网寻找

4.自主注释（自学一下）

#https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA

image.png

相关文章