小伙伴們得到GEO數(shù)據(jù)集原始數(shù)據(jù)后，發(fā)現(xiàn)密密麻麻的基因表達(dá)信息不知道從哪里下手。而且基因表達(dá)信息往往有很多我們不需要的信息，并且基因表達(dá)譜數(shù)據(jù)往往也是層次不齊。在這里小云自己整理了一份代碼，可以把基因表達(dá)譜整理出來，并且把探針I(yè)D也轉(zhuǎn)換完成，把數(shù)據(jù)也歸一化處理。

接下來跟著小云去學(xué)習(xí)一下吧！

在這里小云使用實(shí)例數(shù)據(jù)GSE63514,平臺(tái)為GPL-570。小伙伴可以自行在GEO數(shù)據(jù)庫中下載。

不過，小云教大家一個(gè)小技巧： 在官網(wǎng)搜到自己需要的GEO數(shù)據(jù)集后，可以在

這個(gè)選項(xiàng)中選擇查看一下這個(gè)數(shù)據(jù)集中含有那些樣本:

此外，在

當(dāng)我們點(diǎn)擊GPL平臺(tái)后會(huì)出現(xiàn)一些信息在這里：

如果這個(gè)平臺(tái)信息含有

那么我們處理數(shù)據(jù)起來就會(huì)很方便，利用Gene?Symbol就可以轉(zhuǎn)換ID得到我們想要的基因名稱。小伙伴們一定要注意，如果沒有這個(gè)Symbol信息（有的平臺(tái)可能只會(huì)顯示Symbol），小云這里的代碼可能不太使用。接下來我們就進(jìn)入正題吧！ 我們得到這個(gè)原始數(shù)據(jù)集，先導(dǎo)入它們： setwd("E:\\生信果") Sys.setlocale('LC_ALL','C') #讀取GPL文件 GPL_table = read.table('E:\\生信果\\GPL570-55999.txt',sep = "\t", ???????????????????????????????????????????????????comment.char = "#", stringsAsFactors = F, ???????????????????????????????????????????????????header = T, fill = TRUE, quote = "")? #讀取GSE文件 GSE4100 <- read.table('E:\\生信果\\GSE63514_series_matrix.txt',sep = "\t", ???????????????????????????????????????????????????comment.char = "!", stringsAsFactors = F,header = T, fill=TRUE)#43931 #導(dǎo)入文件，我們可以查看一下導(dǎo)入的數(shù)據(jù)形式。

細(xì)心的小伙伴會(huì)發(fā)現(xiàn)，ID這一列不是我們想要的Gene名，這就需要我們吧ID轉(zhuǎn)化一下。 接下來： ID_Sybmol = GPL_table[,c(1,11)] #GPL對(duì)應(yīng)ID列 colnames(ID_Sybmol)[2]="Symbol" #更改名稱為Symbol，主要是為了對(duì)其求平均函數(shù) c(1,11)這里的11是GPL平臺(tái)表格里面，代表第11列，小云這里GeneSymbol是11列，所以這里是11，小伙伴們需要數(shù)一下自己數(shù)據(jù)Symbol在第幾列。 接下來： #合并ID與基因列 Exp = merge(ID_Sybmol,GSE4100,by.x = "ID",by.y = "ID_REF",all=T)?#45782個(gè) Exp = Exp[,-1] View(Exp)#查看一下數(shù)據(jù)集

這樣一來就得到我們想要的基因名稱了，但是又出現(xiàn)一個(gè)新的問題，基因名有重復(fù)的，而且有個(gè)基因含有多個(gè)，這該怎么辦呢，小云再教一招。對(duì)數(shù)據(jù)過濾： #數(shù)據(jù)過濾，對(duì)多余的基因進(jìn)行刪除 Exp = Exp[Exp$Symbol != "",] # Exp = na.omit(Exp)??# ? #去除多余的基因， Exp1 = data.frame(Exp[-grep("/",Exp$"Symbol"),]) #去一對(duì)多，grep是包含的意思，-就是不包含 write.table(Exp1,"Exp1.txt",row.names = F,quote = F,sep="\t") 那么這里 就得到干凈的基因表達(dá)譜

但是，有的小伙伴他的基因表達(dá)譜中數(shù)據(jù)有的異常的大，那么就需要對(duì)數(shù)據(jù)歸一化。 接下來小云在繼續(xù)教大家如何把數(shù)據(jù)集做平均值處理，這里需要用到for循環(huán)處理數(shù)據(jù)。 #求平均值 ?meanfun <- function(x) { ????x1 <- data.frame(unique(x[,1])) ????colnames(x1) <- c("Symbol") ?????for (i in 2:ncol(x)){ ?????????x2 <- data.frame(tapply(x[,i],x[,1],mean)) ?????????x2[,2] <- rownames(x2) ?????????colnames(x2) <- c(colnames(x)[i], "Symbol") ?????????x1 <- merge(x1,x2,by.x = "Symbol",by.y = "Symbol",all=FALSE) ?????} ?????return(x1) ?} ?Exp2 <- meanfun(Exp1)

數(shù)據(jù)就會(huì)變規(guī)整很多。

我們使用柱狀圖展示數(shù)據(jù)形式 # 查看數(shù)據(jù) ?par(cex = 0.7) ?n.sample=ncol(Exp2[,-1]) ?if(n.sample>40) par(cex = 0.5) ?cols <- rainbow(n.sample*1.2) ?boxplot(Exp2[,-1], col = cols,main="expression value",las=2) ? ?write.table(Exp2,"Exp_Original.txt",row.names = F,quote = F,sep="\t") ? ??row.names(Exp2) = Exp2[,1] ?Exp2 = log(Exp2[,-1])? ? ???par(cex = 0.7) ?n.sample=ncol(Exp2) ?if(n.sample>40) par(cex = 0.5) ?cols <- rainbow(n.sample*1.2) ?boxplot(Exp2, col = cols,main="expression value",las=2) ? ?Symbol = row.names(Exp2) Exp_test = cbind(Symbol,Exp2) ? write.table(Exp_test,"Exp.txt",row.names = F,quote = F,sep="\t") 最終得到的數(shù)據(jù)集就是我們想要的基因表達(dá)譜了，小伙伴可以使用得到的基因表達(dá)譜做后續(xù)的分析啦！

小云這里提醒一下，有的數(shù)據(jù)集不需要做歸一化處理，小伙伴要清楚自己想要得到那個(gè)基因表達(dá)譜。