GEO数据挖掘—GSE68183

原创

sheldor没耳朵

发布于 2024-07-23 12:18:42

1460

发布于 2024-07-23 12:18:42

文章被收录于专栏：GEO数据挖掘

学习完GEO数据挖掘-基于芯片之后，进行GSE68183实战演练，

记录下实战过程中值得注意的点：

（很多时候我并不能发现自己的错误，欢迎大家批评指正）

1 设置分组信息

首先注意到信息表格pd中的title与source_name_ch1列中均含有分组信息，这里我选择了source_name_ch1l列，non-Diabetic Foot skin作为对照，Diabetic Foot skinDFU作为处理组。

k = str_detect(pd$source_name_ch1,"non");table(k) #不在title就在pd的其他列
Group = ifelse(k,"Normal","DFU")
# 需要把Group转换成因子，并设置参考水平，指定levels
#，对照组在前，处理组在后
Group = factor(Group,levels = c("Normal","DFU"))
Group

2 GPL16686进行探针注释

这一步花了不少时间，第一次遇见，是个难点

2.1 GPL16686注释文件读取

发现GPL16686是无法通过tinyarray直接进行探针注释的，故需要从网页获取GPL16686注释文件后，放在工作目录下。可以直接在GEO网页中搜索

或通过代码直接获取GPL16686的下载链接

library(tinyarray)
get_gpl_txt(gpl_number) #获取表格文件的下载链接

观察下载文件，确定read.delim读取表格的方式（跳过前十行和最后一行!platform_table_end）

a <- read.delim("GPL16686.txt",skip = 10,comment.char = "!")
#看一下a的行数是否与网站上相同
dim(a)
[1] 53981     8

2.2 GPL16686表格处理

观察GPL16686的表格是没有SYMBOL列，需要通过GB_ACC列进行转换

#获取pre_ids的id,GB_ACC列，并去除空值
pre_ids <- a[,c("ID","GB_ACC")]
k <- pre_ids$GB_ACC!="";k
pre_ids <- pre_ids[k,]

2.3 GB_ACC与SYMBOL的转换

通过clusterProfiler包进行转换

library(clusterProfiler)
library(org.Hs.eg.db)
s2e = bitr(pre_ids$GB_ACC, 
           fromType = "ACCNUM",
           toType = "SYMBOL",
           OrgDb = org.Hs.eg.db)

2.4 连接pre_ids与s2e，得到探针注释文件ids

#两个数据框的连接列名不一致，需要改一致才能进行连接
colnames(s2e) <- c("GB_ACC","SYMBOL")
library(dplyr)
ids <- left_join(pre_ids,s2e,by="GB_ACC")
ids <- ids[,c("ID","SYMBOL")]
colnames(ids)=c("probe_id","symbol")

3 后续

3.1 数据探索

PCA分析以及挑选标准差前1000基因画热图分析

3.2 差异表达基因

根据网站上的描述，确定logFC_t阈值与p值

logFC_t = 1
p_t = 0.05
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)
#输出
down stable     up 
    21  15593     21

按照同样的条件做出来的差异基因和文章中有所不同（文章中有36个差异基因），我做出来有21down+21up=42个差异基因，不能得出一致的结果但差异不大属于正常。有时真的感觉科研这玩意怎么说都行。

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。

数据挖掘

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。

数据挖掘

登录后参与评论

0 条评论

热度