前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python从零开始第五章生物信息学⑥GEO数据库实战分析(1)目录正文

Python从零开始第五章生物信息学⑥GEO数据库实战分析(1)目录正文

作者头像
用户1359560
发布2018-12-26 15:32:36
2.6K0
发布2018-12-26 15:32:36
举报
文章被收录于专栏:生信小驿站

正文

GEO数据库全称GENE EXPRESSION OMNIBUS,是由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库。它创建于2000年,收录了世界各国研究机构提交的高通量基因表达数据,也就是说只要是目前已经发表的论文,论文中涉及到的基因表达检测的数据都可以通过这个数据库中找到。 这个数据库应该是生物信息入门学习挖掘的数据库,发文量每年估计有数千篇吧,GEO上面的测序文件非常丰富,肿瘤,非肿瘤的等等几乎都有,并且可以免费挖掘。关于这个数据库的介绍网上非常多,我就不赘述了。有兴趣的可以取生信技能树上面看看。

生信技能树 http://www.biotrainee.com/

这一篇以及接下来的几篇主要是写一个GEO数据库常见的分析流程。

  • 导入必须的python包以及修改默认文件位置。
代码语言:javascript
复制
# -*- coding: utf-8 -*-
"""
Created on Fri Dec 14 00:47:52 2018

@author: czh
"""
%clear
%reset -f
# In[*]
# 加载Python库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import os
os.chdir('D:\\train')
  • 修整数据
代码语言:javascript
复制
# In[*]

data = pd.read_csv('GSE18388_series_matrix.txt.gz', 
                   delimiter='\t',skiprows=31)

# In[*]
data= data.drop(data.index[0:34])
data.rename(columns={'!Sample_title':'gene_id'}, inplace=True)

前33行为不需要的介绍信息,需要删除。另外修改第一列的列名。

  • 删除含有缺失值的基因
代码语言:javascript
复制
# In[*]
data.isna().sum()
data = data.dropna(axis=0)
data.dtypes
  • 由于后面的差异分析或者绘图,要求所有的基因数据需要为数值型。

而目前该数据框中读取时含有很多字符,所以列属性为object,我们需要将这些列属性修改为数值型。

代码语言:javascript
复制
# In[*]

data.dtypes.eq(object)
# In[*]
cols = data.columns[data.dtypes.eq(object)]
# In[*]
data[cols] = data[cols].apply(pd.to_numeric,
          errors='coerce', axis=0)
data.dtypes.eq(object)
  • 查看样本之间是否有整体差异
代码语言:javascript
复制
# In[*]

data.dtypes.eq(object)
# In[*]
cols = data.columns[data.dtypes.eq(object)]
# In[*]
data[cols] = data[cols].apply(pd.to_numeric,
          errors='coerce', axis=0)
data.dtypes.eq(object)

通过上面我们可以看出样本整体没有差异,可以做差异分析。

GEO数据自带的有差异分析-geo2R,虽然比较简单且教程很多,不需要编程,但是不是特别精确,如果只是简单的做一下生信验证,可以使用这个,我们这里直接读取geo2R分析的结果

代码语言:javascript
复制
GEO2R = pd.read_table("geo_result.txt", sep="\t")

这个数据框就包含了已经分析好的差异分析结果,包括基因名字和探针ID,还有比较关注的差异倍数和P值

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.12.14 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

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

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 正文
    • 这一篇以及接下来的几篇主要是写一个GEO数据库常见的分析流程。
      • GEO数据自带的有差异分析-geo2R,虽然比较简单且教程很多,不需要编程,但是不是特别精确,如果只是简单的做一下生信验证,可以使用这个,我们这里直接读取geo2R分析的结果
      相关产品与服务
      数据库
      云数据库为企业提供了完善的关系型数据库、非关系型数据库、分析型数据库和数据库生态工具。您可以通过产品选择和组合搭建,轻松实现高可靠、高可用性、高性能等数据库需求。云数据库服务也可大幅减少您的运维工作量,更专注于业务发展,让企业一站式享受数据上云及分布式架构的技术红利!
      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