芯片数据查找与下载

[ixxmu]

https://mp.weixin.qq.com/s/14CAyiohZc70uSAsLXHBog

[ixxmu]

芯片数据查找与下载 by 生信漫漫学

写在开头

端午在家没怎么好好干活，就重新跟数据挖掘班课程学习了一下，重新整理了前面R语言基础的笔记。

很巧的是，恰好时隔一年我又重新在学习，去年学的时候直接就跳过了GEO芯片数据和TCGA的练习，整理的笔记也比较浅显

##R语言-数据挖掘

因为对TCGA数据不熟悉，所以居然没有整理对应的笔记，真不应该啊！

不过经过一年的学习成长，小谢已经是小谢1.1了，可以勇敢的练习GEO芯片数据分析，并且学习TCGA生存分析部分内容了！

也重新在整理笔记，记录一些自己觉得还没掌握的点。趁周末终于开始做GEO芯片练习咯，那整理记录下分析过程叭！

GEO芯片数据查找

1. 从series里面查找感兴趣的数据集，然后选择array芯片，最好选择至少六个样品的数据

进入到GEO的series里面，可以根据关键词检索array芯片数据。然后去看series type和Orgnisms和Samples，找到心仪的数据就可以点击查看详情

2. 点进去数据详情页面，查看分组信息，最好是两分组

这边我挑了GSE230001人类的数据，本着至少有6个样品，然后开始的时候，我想先从人类数据入手，所以就挑了这个，但是分组有一点点多

3. 然后找到series matrix的矩阵信息，根据文件大小判断是否为正常的芯片数据，以M结尾的是正常大小

4. 最后要看一下每个样品是否正常，点进去GSM样品中，然后查看表达量

正常在0-20之间，说明是取过log之后的数据，如果在0-10000左右，说明是没有取过log的值，如果中位数在0左右，有正负值说明数据有问题

乖孩子会按照小洁老师课上的重点，依次去检查数据！

下载数据根据箱线图检查矩阵是否正常

#下载数据
eSet = getGEO("GSE230001", destdir = '.', getGPL = F)
#获取需要的信息
eSet = eSet[[1]] 
class(eSet)

提取表达矩阵和临床信息

#(1)提取表达矩阵exp,erps函数返回一个表达式值矩阵
exp <- exprs(eSet)
dim(exp)
range(exp)
exp = log2(exp+1) 
boxplot(exp,las = 2)

#(2)提取临床信息
pd <- pData(eSet)

#(3)让exp列名与pd的行名顺序完全一致
p = identical(rownames(pd),colnames(exp));p
if(!p) {
  s = intersect(rownames(pd),colnames(exp))
  exp = exp[,s]
  pd = pd[s,]
}

#(4)提取芯片平台编号
gpl_number <- eSet@annotation;gpl_number

从箱线图来看，这个数据是正常的，可以用于后续的分析hhh，那后续的分析后续再说叭！学习暂停，回家干饭！