基因芯片公开数据获取、分析
2019-02-21 tommyhechina CSDN
基因芯片公开数据很多，主要包括GEO，ArrayExpress等，现进行简要介绍。Gene Expression Omnibus database (GEO)是由NCBI负责维护的一个数据库，设计初衷是为了收集整理各种表达芯片数据，但是后来也加入了甲基化芯片，甚至高通量测序数据！用GEOquery从GEO数据库下载数据。GEO数据库基础知识GEO Platform (GPL) 芯片平台GEO Sa
基因芯片公开数据很多，主要包括GEO，ArrayExpress，Ensemble数据库和Affymetrix的注释数据等，现进行简要介绍。
Gene Expression Omnibus database (GEO)是由NCBI负责维护的一个数据库，设计初衷是为了收集整理各种表达芯片数据，但是后来也加入了甲基化芯片，甚至高通量测序数据！用GEOquery从GEO数据库下载数据。
GEO数据库基础知识
GEO Platform (GPL) 芯片平台
GEO Sample (GSM) 样本ID号
GEO Series (GSE) study的ID号
GEO Dataset (GDS) 数据集的ID号 ## 用法
只需要记住三个函数，以及每个函数返回的对象该如何处理即可
getGEO/getGEOfile/getGEOSuppFiles
从GEO数据库下载数据的方法
1、在GEO DATASETS中输入关键词，选择符合的GSE，在ftp中进行手动下载
2、找到符合的GSE，在R中使用GEOquery包进行下载
GEO数据库的数据种类
1、Platforms 平台
包含有芯片的探针信息，如cDNAs，寡核苷酸，ORFs，抗体。
以GPLxxx编号。
一个platform可以包含不同人上传的不同sample。
不同platform的数据需要分开处理。
2、Samples 样品
一个以独立方式处理的样品。
以GSMxxx编号。
一个sample只能包含于一个platform，一个sample可以包含于多个series。
3、Series 系列
一个Series就是一个study。
以GSExxx编号。
一个系列一定包含多个sample，可能包含多个platform。
不同platform的数据需要分开处理。
4、Datasets 数据集
数据集包含有被summiter处理过的数据，可以使用GEO数据库自带的tools进行分析，如differentiated gene expression, cluster, heatmap。
以GDSxxx编号。
一个dataset的sample来自同一个platform，因此彼此间具有可比性。
范例
gds858 <- getGEO(‘GDS858’, destdir=“.”) ##根据GDS号来下载数据，下载soft文件
gpl96 <- getGEO(‘GPL96’, destdir=“.”) ##根据GPL号下载的是芯片设计的信息！
gse1009 <- getGEO(‘GSE1009’, destdir=“.”)##根据GSE号下载数据，下载_series_matrix.txt.gz
下载GDS返回的对象
gds858返回的对象很复杂
用Table(gds858)可以得到表达矩阵！
用Meta(gds858)可以得到描述信息
names(Meta(gds858))
Table(gds858)[1:5,1:5]
1
2
可以用 GDS2eSet 函数把它转变为 expressionset
下载GSE返回的对象
用GPLList函数查看GPL信息
处理函数有：geneNames/sampleNames/pData/exprs
用命令
gsmplatforms <- lapply(GSMList(gse), function(x) {Meta(x)$platform_id})
head(gsmplatforms)
1
2
查看GSM对应的GPL信息
用命令
gsmlist = Filter(function(gsm) { Meta(gsm)$platform_id=='GPLXX'},GSMList(gse))
1
提取GPLXX对应的样本（有些实验涉及到不同平台的样品）。
下载GPL返回的对象
根据GPL号下载返回的对象跟GDS一样，也是用Table/Meta处理！
还可以下载cel原始文件！
tmp=getGEOSuppFiles(GSE1009)
if (is.null(tmp)) {
warning("Supplementary data files not provided!\nyou should check this GEO ID in NCBI\n")
}
1
2
3
4
对于Cel数据处理，有很多方法，例如采用R方法进行自动化处理，可以详见：
https://blog.csdn.net/love130401/article/details/18095689
除GEO外，ArrayExpress也提供基因芯片数据。
从ArrayExpress数据库下载数据的方法
1、在ArrayExpress Search中输入编号或是关键词，选择符合的Accession，在ftp中进行手动下载，或是在R中用ArrayExpress包下载。
2、使用R包ArrayExpress的queryAE命令下载搜索结果，挑选合适的Accession，在R中使用ArrayExpress包进行下载。
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#基因芯片#
21
#芯片#
25
学习了，谢谢分享
46
有教程吗？
46
啊
49
认真学习，谢谢分享
44