GEO生信数据挖掘（二）下载基因芯片平台文件及注释

检索到目标数据集后，开始数据挖掘，本文以阿尔兹海默症数据集GSE1297为例

目录

下载平台文件

1.AnnotGPL参数改为TRUE,联网下载芯片平台的soft文件。（国内网速奇慢经常中断）

2.手工去GEO官网下载

转换芯片探针ID为gene name

拓展：通过bioconductor注释包

# 找到GPL6244相应的注释包hgu133a.db

---

---

上节我们下载了GEO数据集，并提取了基因表达矩阵，但是矩阵行名称是芯片探针需要转换为基因名。

下载平台文件

1.AnnotGPL参数改为TRUE,联网下载芯片平台的soft文件。（国内网速奇慢经常中断）

注意：下载好soft文件，才可以直接可以提取注释，没下载好，注释内容全为空，后续代码可以运行但是，不能得到正确数据的矩阵。

# 提取注释信息
annotation <- featureData(gse_info[[1]])  

library(GEOquery)
# 指定GEO数据集的ID
gse_id <- "GSE1297"
# 使用getGEO函数获取数据集的基础信息
gse_info <- getGEO(gse_id, destdir = ".", AnnotGPL = TRUE )
 
# 提取注释信息
annotation <- featureData(gse_info[[1]])  #下载好soft，可以直接可以提取注释，没下载好注释内容全为空
 
#查看平台文件列名
colnames(annotation)
 
#仅提取两列，第一列芯片探针名，第十一列基因名
platform_file_set=annotation[,c(1,11)]

#还可以尝试单独下载GPL96平台文件

gse_gp<-getGEO('GPL96',destdir =".")  #  网速不佳 下载失败提示 Failed to download ./GPL96.soft.gz!

2.手工去GEO官网下载

GEO Accession viewerNCBI's Gene Expression Omnibus (GEO) is a public archive and resource for gene expression data.https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL96

dir() #打印项目文件列表
# 读取芯片平台文件txt
platform_file <- read.delim("GPL96-57554.txt", header = TRUE, sep = "\t", comment.char = "#")
#查看平台文件列名
colnames(platform_file)
 
#仅提取两列，第一列芯片探针名，第十一列基因名
platform_file_set=platform_file[,c(1,11)]

转换芯片探针ID为gene name

先将上节中提取到的表达矩阵转换格式。

表达矩阵是Matrix对象，而我们接下来要用到的merge函数不能对Matrix对象使用，因此要先将表达矩阵转换为data.frame对象。否则会报错。Error in fix.by(by.x, x) : 'by'必需指定唯一有效的列。

#将Matrix格式表达矩阵转换为data.frame格式
exprSet <- data.frame(expression_data)
 
 
#给表达矩阵新增加一列ID
exprSet$ID <- rownames(exprSet) # 得到表达矩阵，行名为ID，需要转换，新增一列
 
#矩阵表达文件和平台文件有相同列‘ID’，使用merge函数合并
express <- merge(x = exprSet, y = platform_file_set, by.x = "ID")
 
#删除探针ID列
express$ID =NULL

最终将探针ID列删除，剩余32列，即得到有基因名称的表达矩阵。

大家观察最后一列，一个芯片探针匹配到多个基因，下节我们来看看处理方案。

拓展：通过bioconductor注释包

# 找到GPL6244相应的注释包hgu133a.db

gpl    bioc_package    title
GPL32    mgu74a    [MG_U74A] Affymetrix Murine Genome U74A Array
GPL33    mgu74b    [MG_U74B] Affymetrix Murine Genome U74B Array
GPL34    mgu74c    [MG_U74C] Affymetrix Murine Genome U74C Array
GPL71    ag    [AG] Affymetrix Arabidopsis Genome Array
GPL72    drosgenome1    [DrosGenome1] Affymetrix Drosophila Genome Array
GPL74    hcg110    [HC_G110] Affymetrix Human Cancer Array
GPL75    mu11ksuba    [Mu11KsubA] Affymetrix Murine 11K SubA Array
GPL76    mu11ksubb    [Mu11KsubB] Affymetrix Murine 11K SubB Array
GPL77    mu19ksuba    [Mu19KsubA] Affymetrix Murine 19K SubA Array
GPL78    mu19ksubb    [Mu19KsubB] Affymetrix Murine 19K SubB Array
GPL79    mu19ksubc    [Mu19KsubC] Affymetrix Murine 19K SubC Array
GPL80    hu6800    [Hu6800] Affymetrix Human Full Length HuGeneFL Array
GPL81    mgu74av2    [MG_U74Av2] Affymetrix Murine Genome U74A Version 2 Array
GPL82    mgu74bv2    [MG_U74Bv2] Affymetrix Murine Genome U74B Version 2 Array
GPL83    mgu74cv2    [MG_U74Cv2] Affymetrix Murine Genome U74 Version 2 Array
GPL85    rgu34a    [RG_U34A] Affymetrix Rat Genome U34 Array
GPL86    rgu34b    [RG_U34B] Affymetrix Rat Genome U34 Array
GPL87    rgu34c    [RG_U34C] Affymetrix Rat Genome U34 Array
GPL88    rnu34    [RN_U34] Affymetrix Rat Neurobiology U34 Array
GPL89    rtu34    [RT_U34] Affymetrix Rat Toxicology U34 Array
GPL90    ygs98    [YG_S98] Affymetrix Yeast Genome S98 Array
GPL91    hgu95av2    [HG_U95A] Affymetrix Human Genome U95A Array
GPL92    hgu95b    [HG_U95B] Affymetrix Human Genome U95B Array
GPL93    hgu95c    [HG_U95C] Affymetrix Human Genome U95C Array
GPL94    hgu95d    [HG_U95D] Affymetrix Human Genome U95D Array
GPL95    hgu95e    [HG_U95E] Affymetrix Human Genome U95E Array
GPL96    hgu133a    [HG-U133A] Affymetrix Human Genome U133A Array
GPL97    hgu133b    [HG-U133B] Affymetrix Human Genome U133B Array
GPL98    hu35ksuba    [Hu35KsubA] Affymetrix Human 35K SubA Array
GPL99    hu35ksubb    [Hu35KsubB] Affymetrix Human 35K SubB Array
GPL100    hu35ksubc    [Hu35KsubC] Affymetrix Human 35K SubC Array
GPL101    hu35ksubd    [Hu35KsubD] Affymetrix Human 35K SubD Array
GPL198    ath1121501    [ATH1-121501] Affymetrix Arabidopsis ATH1 Genome Array
GPL199    ecoli2    [Ecoli_ASv2] Affymetrix E. coli Antisense Genome Array
GPL200    celegans    [Celegans] Affymetrix C. elegans Genome Array
GPL201    hgfocus    [HG-Focus] Affymetrix Human HG-Focus Target Array
GPL339    moe430a    [MOE430A] Affymetrix Mouse Expression 430A Array
GPL340    mouse4302    [MOE430B] Affymetrix Mouse Expression 430B Array
GPL341    rae230a    [RAE230A] Affymetrix Rat Expression 230A Array
GPL342    rae230b    [RAE230B] Affymetrix Rat Expression 230B Array
GPL570    hgu133plus2    [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array
GPL571    hgu133a2    [HG-U133A_2] Affymetrix Human Genome U133A 2.0 Array
GPL886    hgug4111a    Agilent-011871 Human 1B Microarray G4111A (Feature Number version)
GPL887    hgug4110b    Agilent-012097 Human 1A Microarray (V2) G4110B (Feature Number version)
GPL1261    mouse430a2    [Mouse430_2] Affymetrix Mouse Genome 430 2.0 Array
GPL1318    xenopuslaevis    [Xenopus_laevis] Affymetrix Xenopus laevis Genome Array
GPL1319    zebrafish    [Zebrafish] Affymetrix Zebrafish Genome Array
GPL1322    drosophila2    [Drosophila_2] Affymetrix Drosophila Genome 2.0 Array
GPL1352    u133x3p    [U133_X3P] Affymetrix Human X3P Array
GPL1355    rat2302    [Rat230_2] Affymetrix Rat Genome 230 2.0 Array
GPL1708    hgug4112a    Agilent-012391 Whole Human Genome Oligo Microarray G4112A (Feature Number version)
GPL2112    bovine    [Bovine] Affymetrix Bovine Genome Array
GPL2529    yeast2    [Yeast_2] Affymetrix Yeast Genome 2.0 Array
GPL2891    h20kcod    GE Healthcare/Amersham Biosciences CodeLink™ UniSet Human 20K I Bioarray
GPL2898    adme16cod    GE Healthcare/Amersham Biosciences CodeLink™ ADME Rat 16-Assay Bioarray
GPL3154    ecoli2    [E_coli_2] Affymetrix E. coli Genome 2.0 Array
GPL3213    chicken    [Chicken] Affymetrix Chicken Genome Array
GPL3533    porcine    [Porcine] Affymetrix Porcine Genome Array
GPL3738    canine2    [Canine_2] Affymetrix Canine Genome 2.0 Array
GPL3921    hthgu133a    [HT_HG-U133A] Affymetrix HT Human Genome U133A Array
GPL3979    canine    [Canine] Affymetrix Canine Genome 1.0 Array
GPL4032        [Maize] Affymetrix Maize Genome Array
GPL4191    h10kcod    CodeLink UniSet Human I Bioarray
GPL5188    huex10sttranscriptcluster    [HuEx-1_0-st] Affymetrix Human Exon 1.0 ST Array [probe set (exon) version]
GPL5689    hgug4100a    Agilent Human 1 cDNA Microarray (G4100A) [layout C]
GPL6097    illuminaHumanv1    Illumina human-6 v1.0 expression beadchip
GPL6102    illuminaHumanv2    Illumina human-6 v2.0 expression beadchip
GPL6244    hugene10sttranscriptcluster    [HuGene-1_0-st] Affymetrix Human Gene 1.0 ST Array [transcript (gene) version]
GPL6246    mogene10sttranscriptcluster    [MoGene-1_0-st] Affymetrix Mouse Gene 1.0 ST Array [transcript (gene) version]
GPL6885    illuminaMousev2    Illumina MouseRef-8 v2.0 expression beadchip
GPL6947    illuminaHumanv3    Illumina HumanHT-12 V3.0 expression beadchip
GPL8300    hgu95av2    [HG_U95Av2] Affymetrix Human Genome U95 Version 2 Array
GPL8321    mouse430a2    [Mouse430A_2] Affymetrix Mouse Genome 430A 2.0 Array
GPL8490    IlluminaHumanMethylation27k    Illumina HumanMethylation27 BeadChip (HumanMethylation27_270596_v.1.2)
GPL10558    illuminaHumanv4    Illumina HumanHT-12 V4.0 expression beadchip
GPL11532    hugene11sttranscriptcluster    [HuGene-1_1-st] Affymetrix Human Gene 1.1 ST Array [transcript (gene) version]
GPL13497    HsAgilentDesign026652    Agilent-026652 Whole Human Genome Microarray 4x44K v2 (Probe Name version)
GPL13534    IlluminaHumanMethylation450k    Illumina HumanMethylation450 BeadChip (HumanMethylation450_15017482)
GPL13667    hgu219    [HG-U219] Affymetrix Human Genome U219 Array
GPL14877    hgu133plus2    Affymetrix Human Genome U133 Plus 2.0 Array [Brainarray Version 13, HGU133Plus2_Hs_ENTREZG]
GPL15380    GGHumanMethCancerPanelv1    Illumina Sentrix Array Matrix (SAM) - GoldenGate Methylation Cancer Panel I
GPL15396    hthgu133b    [HT_HG-U133B] Affymetrix HT Human Genome U133B Array [custom CDF: ENTREZ brainarray v. 14]
GPL17556    hugene10sttranscriptcluster    [HuGene-1_0-st] Affymetrix Human Gene 1.0 ST Array [HuGene10stv1_Hs_ENTREZG_17.0.0]
GPL17897    hthgu133a    [HT_HG-U133A] Affymetrix Human Genome U133A Array (custom CDF: HTHGU133A_Hs_ENTREZG.cdf version 17.0.0)
GPL18190    hugene11sttranscriptcluster    [HuGene-1_1-st] Affymetrix Human Gene 1.1 ST Array [CDF: Brainarray HuGene11stv1_Hs_ENTREZG_15.1.0]