admin管理员组文章数量:1034012
有的难度是想象出来的，这样这样再这样不就解决啦！
学员遇到一个有问题的基因表达芯片数据：
可以看到这个数据有两个问题：数值大小都在0附近，里面还有NA
2.探索原因
在GSE页面上点进去一个样本去看，可以看到这些值的说明，是标准化之后的数据。
标准化是不可逆的，不能用于做差异分析。
3.解决问题
拿到这样的数据，要么放弃，要么处理原始数据。
我的学生选择的是处理原始数据，可是呢，这个bgx数据格式我们没教欸！
4.所以什么是bgx呢？
只要略略搜索就可以知道，它是一种探针注释存储的格式。
/
到这里其实就可以打住了，因为我们并不需要使用这个探针注释。虽然这个GPL确实没有对应的注释R包，但从GSE页面上点击GPL编号进去，可以看到是有探针注释的。
（截图的时候没看到，其实后面还有一列叫symbol的，还是用symbol吧）
所以我们其实根本不需要bgx格式。但你却因为不会处理bgx，而止步不前咯。这不就是想象出来的难度嘛。
读取一下看看也行吧，中国人讲究一个来都来了。
代码语言：javascript代码运行次数：0运行复制#BiocManager::install("illuminaio")
library(illuminaio)
bgx = readBGX("GPL6883_HumanRef-8_V3_0_R0_11282963_A.bgx")
其中probes点开就是:
没啥用处。和GPL页面的表格一样，还少了探针ID列呢。
5.真诚是永远的必杀技
我就给你直接分析完得了呗！省的后面又有啥不会。
原始数据有两个，除了bgx，另一个txt文件就是表达矩阵了，这个表格长得还挺贴心的
1.表达矩阵
代码语言：javascript代码运行次数：0运行复制exp = read.delim("GSE16561_RAW.txt",row.names = 1,check.names = F)
range(exp)
## [1] 111.8617 72479.9900
exp = log2(exp+1)
exp[1:4,1:4]
## 3100083_Stroke 3100191_Stroke 3100068_Stroke 3100060_Stroke
## ILMN_1809034 7.884799 7.483076 7.673048 7.674788
## ILMN_1660305 8.195663 7.840273 7.607785 7.997668
## ILMN_1762337 7.490086 7.403282 7.185134 7.302428
## ILMN_2055271 7.689259 7.683558 7.448607 7.903191
boxplot(exp)
还挺不齐的，给他拉齐一下：
代码语言：javascript代码运行次数：0运行复制exp = limma::normalizeBetweenArrays(exp)
boxplot(exp)
2.临床信息
geo_download可以下载series.matrix.gz文件，解析里面的表达矩阵和分组信息以及GPL编号。虽然这个数据表达矩阵有问题，但临床信息表格没问题，转录组数据的临床信息也可以这样子读取。
GPL编号我们不需要了，直接下载他的探针注释文件，提取对应的列即可。
代码语言：javascript代码运行次数：0运行复制library(tinyarray)
pd = geo_download("GSE16561")$pd
## Warning in geo_download("GSE16561"): NA or NAN values detected
可以看到，title列和txt里的表达矩阵列名是一致的。
代码语言：javascript代码运行次数：0运行复制identical(colnames(exp),pd$title)
## [1] TRUE
3.分组信息
同一个分组对应同一个关键词，levels 设置对照组在前。
代码语言：javascript代码运行次数：0运行复制Group = factor(pd$description,levels = c("Control","Stroke"))
table(Group)
## Group
## Control Stroke
## 24 39
4.探针注释
代码语言：javascript代码运行次数：0运行复制a = data.table::fread("GPL6883-11606.txt")
colnames(a)
## [1] "ID" "Species" "Source"
## [4] "Search_Key" "Transcript" "ILMN_Gene"
## [7] "Source_Reference_ID" "RefSeq_ID" "Entrez_Gene_ID"
## [10] "GI" "Accession" "Symbol"
## [13] "Protein_Product" "Array_Address_Id" "Probe_Type"
## [16] "Probe_Start" "SEQUENCE" "Chromosome"
## [19] "Probe_Chr_Orientation" "Probe_Coordinates" "Cytoband"
## [22] "Definition" "Ontology_Component" "Ontology_Process"
## [25] "Ontology_Function" "Synonyms" "GB_ACC"
ids = a[,c("ID","Symbol")]
colnames(ids) =c("probe_id","symbol")
5.差异分析
代码语言：javascript代码运行次数：0运行复制dcp = get_deg_all(exp,Group,ids,entriz = F,logFC_cutoff = 0.585,cluster_cols = F)
dcp$plots
有的难度是想象出来的，这样这样再这样不就解决啦！
学员遇到一个有问题的基因表达芯片数据：
可以看到这个数据有两个问题：数值大小都在0附近，里面还有NA
2.探索原因
在GSE页面上点进去一个样本去看，可以看到这些值的说明，是标准化之后的数据。
标准化是不可逆的，不能用于做差异分析。
3.解决问题
拿到这样的数据，要么放弃，要么处理原始数据。
我的学生选择的是处理原始数据，可是呢，这个bgx数据格式我们没教欸！
4.所以什么是bgx呢？
只要略略搜索就可以知道，它是一种探针注释存储的格式。
/
到这里其实就可以打住了，因为我们并不需要使用这个探针注释。虽然这个GPL确实没有对应的注释R包，但从GSE页面上点击GPL编号进去，可以看到是有探针注释的。
（截图的时候没看到，其实后面还有一列叫symbol的，还是用symbol吧）
所以我们其实根本不需要bgx格式。但你却因为不会处理bgx，而止步不前咯。这不就是想象出来的难度嘛。
读取一下看看也行吧，中国人讲究一个来都来了。
代码语言：javascript代码运行次数：0运行复制#BiocManager::install("illuminaio")
library(illuminaio)
bgx = readBGX("GPL6883_HumanRef-8_V3_0_R0_11282963_A.bgx")
其中probes点开就是:
没啥用处。和GPL页面的表格一样，还少了探针ID列呢。
5.真诚是永远的必杀技
我就给你直接分析完得了呗！省的后面又有啥不会。
原始数据有两个，除了bgx，另一个txt文件就是表达矩阵了，这个表格长得还挺贴心的
1.表达矩阵
代码语言：javascript代码运行次数：0运行复制exp = read.delim("GSE16561_RAW.txt",row.names = 1,check.names = F)
range(exp)
## [1] 111.8617 72479.9900
exp = log2(exp+1)
exp[1:4,1:4]
## 3100083_Stroke 3100191_Stroke 3100068_Stroke 3100060_Stroke
## ILMN_1809034 7.884799 7.483076 7.673048 7.674788
## ILMN_1660305 8.195663 7.840273 7.607785 7.997668
## ILMN_1762337 7.490086 7.403282 7.185134 7.302428
## ILMN_2055271 7.689259 7.683558 7.448607 7.903191
boxplot(exp)
还挺不齐的，给他拉齐一下：
代码语言：javascript代码运行次数：0运行复制exp = limma::normalizeBetweenArrays(exp)
boxplot(exp)
2.临床信息
geo_download可以下载series.matrix.gz文件，解析里面的表达矩阵和分组信息以及GPL编号。虽然这个数据表达矩阵有问题，但临床信息表格没问题，转录组数据的临床信息也可以这样子读取。
GPL编号我们不需要了，直接下载他的探针注释文件，提取对应的列即可。
代码语言：javascript代码运行次数：0运行复制library(tinyarray)
pd = geo_download("GSE16561")$pd
## Warning in geo_download("GSE16561"): NA or NAN values detected
可以看到，title列和txt里的表达矩阵列名是一致的。
代码语言：javascript代码运行次数：0运行复制identical(colnames(exp),pd$title)
## [1] TRUE
3.分组信息
同一个分组对应同一个关键词，levels 设置对照组在前。
代码语言：javascript代码运行次数：0运行复制Group = factor(pd$description,levels = c("Control","Stroke"))
table(Group)
## Group
## Control Stroke
## 24 39
4.探针注释
代码语言：javascript代码运行次数：0运行复制a = data.table::fread("GPL6883-11606.txt")
colnames(a)
## [1] "ID" "Species" "Source"
## [4] "Search_Key" "Transcript" "ILMN_Gene"
## [7] "Source_Reference_ID" "RefSeq_ID" "Entrez_Gene_ID"
## [10] "GI" "Accession" "Symbol"
## [13] "Protein_Product" "Array_Address_Id" "Probe_Type"
## [16] "Probe_Start" "SEQUENCE" "Chromosome"
## [19] "Probe_Chr_Orientation" "Probe_Coordinates" "Cytoband"
## [22] "Definition" "Ontology_Component" "Ontology_Process"
## [25] "Ontology_Function" "Synonyms" "GB_ACC"
ids = a[,c("ID","Symbol")]
colnames(ids) =c("probe_id","symbol")
5.差异分析
代码语言：javascript代码运行次数：0运行复制dcp = get_deg_all(exp,Group,ids,entriz = F,logFC_cutoff = 0.585,cluster_cols = F)
dcp$plots
本文标签： 有的难度是想象出来的，这样这样再这样不就解决啦！
版权声明：本文标题：有的难度是想象出来的，这样这样再这样不就解决啦！ 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://it.en369.cn/jiaocheng/1748106722a2254268.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论