要读源代码才能解决的报错-GEOquery下载表达矩阵缺样本名
要读源代码才能解决的报错-GEOquery下载表达矩阵缺样本名
最近生信技能树的很多朋友反馈一个
GEOquery的bug，而且这个错误对初学者来说，是不可能解决的问题，值得分享一下！（2018-11-27 计）
就是昨天推文末尾的小测试: GEOquery包的getGEO函数总是无法下载肿么办
如下所示，他们下载的表达矩阵，的样本名字本来应该是gsm这样的ID，结果变成了第一个探针的表达量。
我当时很诧异，因为没有遇到过这个问题，以为是他们瞎说，或者说网络问题，但是问的人实在是太多了，我只能重视起来了。
我检查了txt文档，发现没有问题。也检查了R版本，GEOquery包的版本，也没有任何问题。
我仔细的把错误的与准确的下载结果对照，如下：
差异很微弱，就是里面的列的解析问题，所以我猜测应该是GEOquery包里面调用了其它函数的问题。
txt文件的表达矩阵如下：
那就找源代码咯！
源代码解析
首先在谷歌搜索里面找到其源代码路径：
git clone https://github.com/seandavi/GEOquery
## 读懂：GEOquery/R/parseGEO.R 文件查看源代码需要一定的耐心：
查询到下面的代码，是关于表达矩阵列的解析的。
fname='GSE76275_series_matrix.txt.gz'
AnnotGPL=FALSE
destdir=tempdir()
getGPL=TRUE
parseCharacteristics=TRUE
library(readr )
dat <- read_lines(fname)
## get the number of !Series and !Sample lines
series_header_row_count <- sum(grepl("^!Series_", dat))
sample_header_start <- grep("^!Sample_", dat)[1]
samples_header_row_count <- sum(grepl("^!Sample_", dat))
series_table_begin_line = grep("^!series_matrix_table_begin", dat)
## colClasses <- c('character',rep('numeric',nrow(sampledat)))
datamat <- read_tsv(fname,quote='"',
na=c('NA','null','NULL','Null'), skip = series_table_begin_line,
comment = '!series_matrix_table_end')
datamat[1:4,1:4]同样的代码我在6台电脑上面都跑了一次，居然是read_tsv 函数的问题，而这个函数来自于readr包，所有准确无误的电脑里面readr都是1.1，而错误的都是1.2版本。
正确的读取信息如下：
同样的反馈我们也在GitHub看到了：https://github.com/tidyverse/readr/issues/925
既然是readr包的问题，我就懒得管了，把该包降级即可解决。
GEOquery包作者已经意识到这个问题了
虽然GitHub有人在readr上面提issue，其实我认为应该是GEOquery应该是做修改，而不是readr去修改，比较GEOquery在依赖readr，不过GEOquery包的作者也接收到了反馈，意识到这个问题了。
## readr1.2.1对skip的处理方式。
ds <- datasource(data, skip = skip + isTRUE(col_names), comment = comment)
library(readr)
dat <- read_lines(fname)
series_table_begin_line = grep("^!series_matrix_table_begin", dat)
datamat <- read_tsv(fname, quote='"',
na=c('NA','null','NULL','Null'),
# somewhere in the past month or so, read_tsv changed
# the way it dealt with skip!!! Had to add the -1 to
# avoid the problem.
skip = series_table_begin_line - 1,
comment = '!series_matrix_table_end')也就是说需要在 series_table_begin_line - 1 才可以弥补 readr 的 read_tsv 函数问题。