现有的基因芯片种类很多,但重要而且常用的芯片并不多,一般分析芯片数据都需要把探针的 ID 切换成基因的 ID。
一般有三种方法可以得到芯片探针与 gene 的对应关系:
(1)金标准是去基因芯片的厂商的官网直接下载
(2)从 NCBI 里面下载文件来解析
(3)直接用 bioconductor 包。
其中前两种方法都比较麻烦,所以接下来要讲的是:
如何用 R 的 bioconductor 包来批量得到芯片探针与 gene 的对应关系。
一、说明
1 、一般重要的芯片在 R 的 bioconductor 里面都是有包的,用一个 R 包可以批量获取有注释信息的芯片平台,选取了常见的物种。
如下:
2、 这些包首先需要都下载。
3、下载完了所有的包, 就可以进行批量导出芯片探针与 gene 的对应关系。
二、 实操
1、 通过 GEO 数据库下载探针矩。
2、 通过探针矩阵查找注释平台信息(GPL6244),根据平台信息在 jimmy 博客中搜索 bioconductor 中包含关系所对应的包(http://www.bio-info-trainee.com/1399.html),可知 GPL6244–>hugene10sttranscriptcluster.
3、 对探针矩阵预处理把基因 id 换成行名。
4、加载 hugene10sttranscriptcluster 包,并查看里面对象,获取想要的对象。
注:要将基因 id 转换成基因名所以选择 hugene10sttranscriptclusterSYMBOL。
5、 选择“hugene10sttranscriptclusterSYMBOL”对象,获取探针对应基因名。
6、过滤表达矩阵中基因 id 没有在包中的数据,并将探针 id 改一下顺序,使其与表达矩阵的顺序一致。
7、 根据包中的探针 id 和基因名的对应关系,将表达矩阵中的 id 转换成基因名,并保存修改文件。
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文系转载,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。