前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >GEO多数据集联合分析-文献复现

GEO多数据集联合分析-文献复现

原创
作者头像
用户11008504
发布于 2024-05-11 04:44:19
发布于 2024-05-11 04:44:19
3742
举报
文章被收录于专栏:文献复现文献复现

文献题目:基于生物信息学的新型铁死亡基因生物标志物和免疫浸润谱在糖尿病肾病中的应用Huang, Y., & Yuan, X. (2024). Novel ferroptosis gene biomarkers and immune infiltration profiles in diabetic kidney disease via bioinformatics. FASEB journal : official publication of the Federation of American Societies for Experimental Biology, 38(2), e23421. https://doi.org/10.1096/fj.202301357RR. IF: 4.8 Q1

本文下载GSE30122和GSE47185数据集表达数据,去除批次效应,整合到合并的数据集中,然后进行功能富集分析。然后筛选潜在的差异表达基因。鉴定铁死亡相关差异表达基因,然后进行基因本体分析。构建蛋白质-蛋白质相互作用网络并筛选枢纽基因。使用适当的算法评估数据集中的免疫细胞浸润状态。使用共识聚类分析构建免疫特征亚型。

技术路线图
技术路线图

1. 找数据集及下载数据

GSE30122
GSE30122
查看GSE30122的表达矩阵
查看GSE30122的表达矩阵

可见数据有异常,有很多负值。那则需要下载原始数据

GSE30122的原始数据
GSE30122的原始数据

芯片原始数据处理

代码语言:r
AI代码解释
复制
rm(list = ls())
library(GEOquery)
library(stringr)
#芯片原始数据处理
BiocManager::install(c( 'oligo' ),ask = F,update = F)
library(oligo)
BiocManager::install(c( 'pd.hg.u133.plus.2' ),ask = F,update = F)
library(pd.hg.u133.plus.2)

dir='D:\\ferroptosis_diabetic_kidney\\GSE30122_RAW'
od=getwd()
setwd(dir)
celFiles <- list.celfiles(listGzipped = T)
celFiles
affyRaw <- read.celfiles( celFiles )
setwd(od)
eset <- rma(affyRaw)
eset
colnames(eset)
#列名需要修改以获取临床信息
colnames(eset) <- str_sub(colnames(eset),end = 9)
exp1 <- exprs(eset)
dim(exp1)
exp1[1:4,1:4]
#表达矩阵已取log, 不用再取log
boxplot(exp1, las = 2)
#提取临床信息
eSet1 <- getGEO("GSE30122", 
                destdir = '.', 
                getGPL = F)
pd1 <- pData(eSet1[[1]])
if(!identical(rownames(pd1),colnames(exp1))) exp1 = exp1[,match(rownames(pd1),colnames(exp1))]
表达矩阵已取log, 不用再取log
表达矩阵已取log, 不用再取log

第二个数据集下载及数据处理

代码语言:r
AI代码解释
复制
#数据下载
eSet2 <- getGEO("GSE47185", 
                destdir = '.', 
                getGPL = F)
#(1)提取表达矩阵exp
exp2 <- exprs(eSet2[[1]])
exp2[1:4,1:4]
dim(exp2)
boxplot(exp2)
#(2)提取临床信息
pd2 <- pData(eSet2[[1]])
#GSE47185在文中作者提取了14个DN样本
str_detect(pd2$title,"Diabetic Nephropathy")
pd2 <- pd2[str_detect(pd2$title,"Diabetic Nephropathy"), ]
#只保留14个样本的表达矩阵
if(!identical(rownames(pd2),colnames(exp2))) exp2 = exp2[,match(rownames(pd2),colnames(exp2))]
dim(exp2)
boxplot(exp2,las = 2)
表达矩阵也有问题样本
表达矩阵也有问题样本
代码语言:r
AI代码解释
复制
# 样本矫正
library(limma)
exp2=normalizeBetweenArrays(exp2)
boxplot(exp2,las=2)

2.分组及探针获取

代码语言:r
AI代码解释
复制
#(3)提取芯片平台编号
gpl1 <- eSet1[[1]]@annotation
gpl2 <- eSet2[[1]]@annotation

#(4)探针注释的获取
#由于来源于不同平台的芯片数据导致表达矩阵行名不一样,
#所以先分别注释成gene symbol,再合并表达矩阵,去除批次效应
library(tinyarray)
if (!requireNamespace("BiocManager", quietly = TRUE))
  install.packages("BiocManager")
BiocManager::install("hgu133a2.db")
find_anno(gpl1)
library(hgu133a2.db);ids <- toTable(hgu133a2SYMBOL)
ids1 <- ids
#为exp数据框添加几列
exp1 <- as.data.frame(exp1)
#1.加probe_id列,把行名变成一列
library(dplyr)
exp1 = mutate(exp1,probe_id = rownames(exp1))
#2.加上探针注释
ids1 = distinct(ids1,symbol,.keep_all = T)
#其他去重方式在zz.去重方式.R
exp1 = inner_join(exp1,ids1,by="probe_id")
nrow(exp1) #如果行数为0就是你找的探针注释是错的。
rownames(exp1) <- exp1[,71]

GSE47185数据集注释没有R包,下载GEO注释文件进行注释

代码语言:r
AI代码解释
复制
#GSE47185数据集注释
find_anno(gpl2)
#没有相应的R包,自行从GEO网页界面下载平台注释文件并打开编辑保留所需信息
ids2 <- read.table("GPL11670_family.soft", header = T, sep = "\t")
#为exp数据框添加几列
exp2 <- as.data.frame(exp2)
#1.加probe_id列,把行名变成一列
library(dplyr)
exp2 = mutate(exp2,GeneID = rownames(exp2))
#2.加上探针注释
ids2 = distinct(ids2,ORF,.keep_all = T)
ids2 = ids2[, 2:3]
#其他去重方式在zz.去重方式.R
exp2 = inner_join(exp2,ids2,by="GeneID")
ids2$GeneID <- as.character (ids2$GeneID)
exp2 = inner_join(exp2,ids2,by="GeneID")
nrow(exp2) #如果行数为0就是你找的探针注释是错的。
rownames(exp2) <- exp2[,16]

3. 数据整合并去除批次效应

代码语言:r
AI代码解释
复制
#(4)合并表达矩阵
table(rownames(exp1) %in% rownames(exp2))
length(intersect(rownames(exp1),rownames(exp2)))
exp1 <- exp1[intersect(rownames(exp1),rownames(exp2)),]
exp2 <- exp2[intersect(rownames(exp1),rownames(exp2)),]
exp1 <- exp1[,1:69]
exp2 <- exp2[,1:14]
exp = cbind(exp1,exp2)
boxplot(exp)
代码语言:r
AI代码解释
复制
Group1 = ifelse(str_detect(pd1$title,"Control"),"Normal", "DN")
Group2 = ifelse(str_detect(pd2$characteristics_ch1.1,"Diabetic Nephropathy"),"DN","Normal")
Group = c(Group1,Group2)
table(Group)
Group = factor(Group,levels = c("Normal","DN"))
save(Group,exp,file = "exp.Rdata")
dimnames <- list(rownames(exp),colnames(exp))
data <- matrix(as.numeric(as.matrix(exp)),nrow=nrow(exp),dimnames=dimnames)
dim(data)
class(data) 
group_list <- data.frame(
  sample = colnames(exp), c(rep("GSE30122",69),rep("GSE47185",14)))
rownames(group_list) <- group_list$sample
colnames(group_list)[2] <- "dataset"
group <- factor(group_list$dataset)
View(group_list)
library(FactoMineR)##没有请先安装
library(factoextra)
pdf(file = "PCA_before1.pdf",width = 7,height = 6)
pre.pca <- PCA(t(exp),graph = FALSE)
fviz_pca_ind(pre.pca,
             geom= "point",
             col.ind = group,
             addEllipses = TRUE,
             legend.title="Group"
)
dev.off()
代码语言:r
AI代码解释
复制
#-------------------进行去批次------------------#
#### 使用sva包计算批次效应
library(sva)
exp_combat <- ComBat(exp, batch = group_list$dataset) # batch为批次信息
boxplot(exp_combat)
# 查看去除批次效应的结果如何
library(tinyarray)
draw_pca(exp = exp, group_list = group)

#做校正的PCA分析
pdf(file = "9_PCA_after.pdf",width = 7,height = 6)
pre.pca <- PCA(t(exp_combat),graph = FALSE)
fviz_pca_ind(pre.pca,
             geom= "point",
             col.ind = group,
             addEllipses = TRUE,
             legend.title="Group")
dev.off()

4.差异分析

因跟文中的样本表达矩阵处理不一样,故使用文中的差异基因的条件得到结果不一致

此处使用常用的筛选条件

代码语言:r
AI代码解释
复制
#差异分析
library(limma)
design = model.matrix(~Group)
fit = lmFit(exp,design)
fit = eBayes(fit)
deg = topTable(fit,coef = 2,number = Inf)
#3.加change列,标记上下调基因
logFC_t = 1.0
p_t = 0.05
#思考,如何使用padj而非p值
k1 = (deg$P.Value < p_t)&(deg$logFC < -logFC_t)
k2 = (deg$P.Value < p_t)&(deg$logFC > logFC_t)
deg = mutate(deg,change = ifelse(k1,"down",ifelse(k2,"up","stable")))
table(deg$change)
#火山图
library(ggplot2)
ggplot(data = deg, aes(x = logFC, y = -log10(P.Value))) +
  geom_point(alpha=0.4, size=3.5, aes(color=change)) +
  scale_color_manual(values=c("blue", "grey","red"))+
  geom_vline(xintercept=c(-logFC_t,logFC_t),lty=4,col="black",linewidth=0.8) +
  geom_hline(yintercept = -log10(p_t),lty=4,col="black",linewidth=0.8) +
  theme_bw()

5.与铁死亡基因取交集,获得FRDEGs

代码语言:r
AI代码解释
复制
#与ferroptosis- related genes (FRGs)取交集画韦恩图
#下载并读取文中FRGs文件,文中附件2即是。需整理成一列的TXT文件
deg = mutate(deg,symbol = rownames(deg))
DEG = deg$symbol[deg$change !="stable"]
FRG <- read.table("FRG.txt")
FRG <- FRG[,1]
library (VennDiagram)
venn.diagram(x= list(DEG = DEG,FRG = FRG),
             filename = "pic.png",
             height = 450, width = 450,
             resolution =300,
             imagetype="png",
             col="transparent",
             fill=c('#0099CC','#FF6666'),
             alpha = 0.50,
             cex=0.45,
             cat.cex=0.45,)
代码语言:r
AI代码解释
复制
# FRDEGs热图----
# 表达矩阵行名替换为基因名
FRDEGs <- intersect(DEG,FRG)

exp = exp[deg$probe_id,]
rownames(exp) = deg$symbol
diff_gene = deg$symbol[deg$change !="stable"]

n = exp[FRDEGs,]
library(pheatmap)
annotation_col = data.frame(Group)
rownames(annotation_col) = colnames(n) 
pheatmap(n,show_colnames =F,
         show_rownames = T,
         scale = "row",
         cluster_cols = F, 
         annotation_col=annotation_col,
         breaks = seq(-3,3,length.out = 100)
) 

6. 富集分析

代码语言:r
AI代码解释
复制
#4.对FRDEGs加ENTREZID列,用于富集分析(symbol转entrezid,然后inner_join)
FRDEG_gene <- deg[FRDEGs,]
library(clusterProfiler)
library(org.Hs.eg.db)
s2e = bitr(FRDEG_gene$symbol, 
           fromType = "SYMBOL",
           toType = "ENTREZID",
           OrgDb = org.Hs.eg.db)#人类,注意物种
#一部分基因没匹配上是正常的。<30%的失败都没事。
#其他物种http://bioconductor.org/packages/release/BiocViews.html#___OrgDb
nrow(FRDEG_gene)
FRDEG_gene = inner_join(FRDEG_gene,s2e,by=c("symbol"="SYMBOL"))
#多了几行少了几行都正常,SYMBOL与ENTREZID不是一对一的。
nrow(FRDEG_gene)
save(exp,Group,FRDEG_gene,logFC_t,p_t,file = "step4output.Rdata")

rm(list = ls())  
load(file = 'step4output.Rdata')
library(clusterProfiler)
library(ggthemes)
library(org.Hs.eg.db)
library(dplyr)
library(ggplot2)
library(stringr)
library(enrichplot)

#(1)输入数据
gene_diff = FRDEG_gene$ENTREZID

#(2)富集
ekk <- enrichKEGG(gene = gene_diff,organism = 'hsa')
ekk <- setReadable(ekk,OrgDb = org.Hs.eg.db,keyType = "ENTREZID")
ego <- enrichGO(gene = gene_diff,OrgDb= org.Hs.eg.db,
                ont = "ALL",readable = TRUE)
#setReadable和readable = TRUE都是把富集结果表格里的基因名称转为symbol
class(ekk)

#(3)可视化
dotplot(ego, split = "ONTOLOGY") + 
  facet_grid(ONTOLOGY ~ ., space = "free_y",scales = "free_y") 
dotplot(ekk)
GO富集
GO富集
KEGG富集
KEGG富集

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
2 条评论
热度
最新
可以问一下第2步:GSE47185数据集注释没有R包,下载GEO注释文件进行注释(#没有相应的R包,自行从GEO网页界面下载平台注释文件并打开编辑保留所需信息),这个下载好了编辑保留什么信息呢?
可以问一下第2步:GSE47185数据集注释没有R包,下载GEO注释文件进行注释(#没有相应的R包,自行从GEO网页界面下载平台注释文件并打开编辑保留所需信息),这个下载好了编辑保留什么信息呢?
回复回复点赞举报
您好,我也是在复现这篇,但是http://49.235.27.111/GEOmirror/GSE47nnn/GSE47185_eSet.Rdata我这个数据集直接报错了
您好,我也是在复现这篇,但是http://49.235.27.111/GEOmirror/GSE47nnn/GSE47185_eSet.Rdata我这个数据集直接报错了
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
Capture One Pro 22 for Mac(RAW图像处理软件)中文版v15.4.2.12
Capture One Pro 22 for Mac是一款专业的RAW文件转换器和图像编辑软件,拥有更新的处理引擎、市场领先的性能和强大的新功能,可为 500 多台高端相机提供具有美丽色彩和令人难以置信的细节的终极图像质量。
皮西歪
2022/11/05
7470
Capture One Pro 22 for Mac(RAW图像处理软件)中文版v15.4.2.12
JixiPix Premium Pack for Mac(照片特效软件套装) 中文版v1.2.6
你是否需要一款照片特效软件呢?jixipix premium pack mac是一款运行在Mac平台上的照片特效软件套装,内含5个摄影效果,8个艺术效果和5个创意效果,为您提供全新的高专业水准的照片编辑服务。
皮西歪
2022/11/29
3890
JixiPix Premium Pack for Mac(照片特效软件套装) 中文版v1.2.6
Capture One 23 Enterprise for Mac(RAW图像编辑软件)
Capture One 23 Enterprise是一款好用的raw图像处理工具,具有与 Capture One Pro 相同的成像优势,但具有专为简化工作流程而设计的额外功能,可为 500 多台高端相机提供具有美丽色彩和令人难以置信的图像质量。
皮西歪
2023/02/22
3470
Capture One 23 Enterprise for Mac(RAW图像编辑软件)
Capture One Pro 22 for Mac(RAW图像处理软件)中文直装版
Capture One Pro 22 for Mac中文版是一款深受摄影师喜爱的专业raw格式处理软件,使用这款Capture One Pro中文版可以让你体验到一键式处理带来的便捷性。它将所有必备工具和高端性能融于一体、使您在一套快捷、灵活且有效的工作流程中捕获、整理、编辑、分享以及打印图像。
一小朵
2022/09/21
5970
Capture One Pro 22 for Mac(RAW图像处理软件)中文直装版
Capture One 23 Enterprise for Mac(RAW图像编辑软件)
Capture One 23 Enterprise是一款非常好用的raw图像处理工具,具有与 Capture One Pro 相同的成像优势,但具有专为简化工作流程而设计的额外功能,可为 500 多台高端相机提供具有美丽色彩和令人难以置信的细节的终极图像质量,功能强大!
用户10121095
2023/02/10
2640
Capture One Pro 22 Mac中文直装版(RAW图像处理软件)
Capture One Pro 22 for Mac是一款专业的RAW文件转换器和图像编辑软件,拥有核心运算技术,作为拍摄支持软件系统后期处理的核心。Capture One Pro是独立的相片编辑软件,可以转换数码相机所拍摄出来的RAW图像格式以及提代相片的处理流程。
Mac小小
2022/08/10
4740
Capture One最新中文版下载「飞思CaptureOne摄影后期处理软件」
此外,Capture One Pro 2022 Mac版相较于之前的版本而言,它不但新增了一些新功能,而且还优化了许许多多的小细节,比如新增了全景针、HDR合并、自动旋转以及无线Tethering,通过这些功能用户可以快速高效的进行处理图片,同时,在新版的Capture One Pro 2022 Mac版中它还将现有的界面,通过后台调设进行了改良,以此来给予用户最为便捷的操作,其优化方面十分的为用户考虑。当然,软件除却小编介绍的新增功能和细节优化以外,它还新增优化了诸多其他的功能,比如魔力画笔、风格笔刷、除雾功能、支持HEIC文件等等一系列易于用户使用的工具,感兴趣的用户们可自行前来本站下载使用哦。
用户10202331
2023/04/30
1.1K0
Capture One Pro 22 for Mac(RAW图像处理软件)v15.4.1.7中文直装版
Capture One是专业的RAW转换器,可为500多个高端相机提供极致的图像质量,美丽的色彩和令人难以置信的细节。它通过可自定义的工作区提供最先进的绑定捕获,强大的数字资产管理,广泛的调整工具和灵活的工作流程。
一小朵
2022/10/18
7470
Capture One Pro 22 for Mac(RAW图像处理软件)v15.4.1.7中文直装版
raw图像处理工具推荐:Capture One Pro 22 「win/mac」
Capture One Pro 22是一款强大的raw图像处理工具,拥有更新的处理引擎、市场领先的性能和强大的新功能,可为 500 多台高端相机提供具有美丽色彩和令人难以置信的细节的终极图像质量!
啾咪啾咪
2022/09/21
9660
Capture one 飞思摄影图像处理软件,Capture one中文版下载安装
Capture One是一款非常强大的图像处理软件,它可以帮助你将照片处理得更加美丽和专业。与其他图像处理软件相比,Capture One拥有更多的功能和更高的性能,因此它成为了许多摄影师和设计师的首选工具。
用户10436734
2023/03/31
3.1K0
Capture one 飞思摄影图像处理软件,Capture one中文版下载安装
Capture One最新中文版下载Capture One软件安装
Capture One Pro一款功能强大的图像编辑处理软件,Capture One Pro2022最新版拥有颠覆性的快速编辑工具、无比逼真的色彩处理工具、便捷使用的的联机拍摄功能、专业级工作流程工具等内容。Capture One将所有必备工具和高端性能融于一体、使您在一套快捷、灵活且有效的工作流程中捕获、整理、编辑、分享以及打印图像。
用户10518048
2023/04/19
1.2K1
Capture One最新中文版下载Capture One软件安装
ON1 Photo RAW 2023 for Mac(照片编辑器)中文版
ON1 Photo RAW 2023 for Mac中的每一项新功能和技术都将消除更传统的编辑方式带来的很棒的学习曲线。摄影师在处理照片的特定区域时,不再需要处理繁琐的蒙版、分层、刷涂或调整方法。ON1 Photo RAW 2023中文版最令人难以置信的新编辑工具是 Super Select AI。它将带给您惊艳的编辑照片式。
皮西歪
2022/10/11
7880
ON1 Photo RAW 2023 for Mac(照片编辑器)中文版
Capture one摄影图像处理软件中文电脑版下载安装,Capture one下载
随着数字摄影技术的不断发展,摄影后期处理工作成为了业内人士必备的技能之一。而在诸多后期处理软件中,Capture One是一款功能强大、适用范围广泛的专业化摄影后期处理软件。现在,越来越多的摄影师开始使用Capture One软件进行摄影后期处理,因此有必要对该软件进行深入的研究和探讨。
用户10410624
2023/04/11
6320
Luminar Neo for Mac(AI技术图像编辑软件)1.4.1中文版
Luminar Neo是由Skylum公司推出的一款AI技术图像编辑软件,采用灵活高效的AI技术,能够用来编辑各种复杂的图像,功能是极其强大的。该软件有着非常直观自由度超高的用户界面,不管是对于新手还是专业人士来说都是十分友好的,操作很简单,功能也很全面,包括构图、橡皮擦、光效、结构、颜色、噪点等基本功能,可以满足所有用户的图片编辑需求。
皮西歪
2022/10/14
8640
Luminar Neo for Mac(AI技术图像编辑软件)1.4.1中文版
RAW图像处理工具Mac版:Capture One Pro 22
Capture One Pro 22 Mac版是一款专业的图像处理和编辑软件,主要用于摄影师、摄像师、艺术家等领域。它具有出色的图像处理能力和强大的调色工具,能够帮助用户快速、高效地对图片进行优化和编辑。Capture One Pro 22支持多种RAW格式文件,包括各种相机品牌的RAW文件,并提供了一系列精细的图像处理工具,如曲线调整、白平衡、色彩平衡、降噪等,可以完美地处理各种复杂的照片场景。
快乐的小丸子
2023/03/16
6360
Photomatix Pro for Mac(HDR图像处理器)
Photomatix Pro for Mac是一款数字照片处理软件,它能把多个不同曝光的照片混合成一张照片,并保持高光和阴影区的细节。打开在同一场景拍摄的不同曝光度的照片,选择一个曝光混合方法,Photomatix Pro能让你在6种联合模式中选择:平均5种曝光混合方法,每个方法都基于不同的算法。
皮西歪
2023/02/13
4930
Photomatix Pro for Mac(HDR图像处理器)
图像处理软件Photoshop 2022 for Mac(ps 2022)中文版v23.5.2
Photoshop2022中文版更新了,ps是一款专业图像处理软件,此次更新软件可选择项目云服务生成更准确和高质量的图像;软件界面也有了新的中性UI颜色模式,视觉效果更加高级;对神经滤波器进行了改进:通过调整强度、饱和度和亮度设置,为创意工作流程中的图层带来色彩和亮度,以创建完美平衡的构图;软件还支持多种相机和镜头型号,非常方便。
皮西歪
2022/12/13
6960
图像处理软件Photoshop 2022 for Mac(ps 2022)中文版v23.5.2
Capture One Pro 22 for Mac(RAW图像处理软件) v15.4.2.12中文直装版
Capture One 20 Pro for Mac 中文版是一款功能强大的RAW图像处理软件,是RAW图片处理软件行业软件中的领先者!Capture One mac 配备了功能强大的RAW图像转换器,能够呈现精确的色彩并显示最细微的细节,而且通过使用元数据工具,您可以查看编辑metedata信息,甚至可以使用元数据来控制图像搜索范围。而且 Capture One Pro 还可帮助您调整和增强图像,改变曝光和清晰度。
一小朵
2022/11/19
1.6K0
Capture One Pro 22 for Mac(RAW图像处理软件) v15.4.2.12中文直装版
SILKYPIX JPEG Photography for Mac(照片处理软件) 11.2.7.0中文版
SILKYPIX JPEG Photography for Mac中文版是一款优秀的图像处理工具,可以帮助用户对数码相机和手机拍摄出来的jpeg格式图片进行处理调整和编辑,让图片效果更加出众,功能强大且专业。
皮西歪
2022/12/12
4450
SILKYPIX JPEG Photography for Mac(照片处理软件) 11.2.7.0中文版
DxO PhotoLab 6 ELITE Edition for Mac(raw图片处理软件) 6.0.3.33中文直装版
DxO PhotoLab 6 ELITE Edition for Mac是一款强大的raw图像处理工具,可去除噪点并呈现照片信息,而不会减少色彩细节。过渡更平滑、更自然,与我们的早期版本 DxO PRIME 相比,您获得了近两个 ISO 感光度值,该版本是当前可用的所有可比程序的基准软件,功能强大。
皮西歪
2022/12/01
5080
DxO PhotoLab 6 ELITE Edition for Mac(raw图片处理软件) 6.0.3.33中文直装版
推荐阅读
相关推荐
Capture One Pro 22 for Mac(RAW图像处理软件)中文版v15.4.2.12
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档