gpl16699平台的探针注释到基因名（十一月学徒投稿）

生信技能树jimmy大神分享过芯片探针注释到基因名的3种方法：

• 1金标准当然是去基因芯片的厂商的官网直接去下载
• 2一种是直接用bioconductor的包
• 3一种是从NCBI里面下载文件来解析

我作为11月学徒马上就收益了，也总结一下，分享广大粉丝！

现在我完成作业就遇到了gpl16699平台，它并没有bioconductor的包，所以需要下载gpl平台的soft文件，进行注释，官网https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL16699 可以看到信息如下：

image-20191104214410497

现在使用r代码完成这个步骤

方法一：使用GEOquery包

rm(list = ls())  ## 魔幻操作，一键清空~
options(stringsAsFactors = F)
library(GEOquery)
gpl=getGEO("GPL16699",destdir = '.')
names(Meta(gpl))
Table(gpl)[1:10,1:2]
ids=Table(gpl)[,c("NAME","GENE_SYMBOL")]
head(ids)
colnames(ids)=c('probe_id','symbol')
head(ids)

这一个方法需要网速保障，并且确保下载的GPL完整，不然会影响后面的操作。

方法二：下载txt文件

在官网https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL16699 下载txt文件

image-20191104214744842

读取它的代码如下：

rm(list = ls())  ## 魔幻操作，一键清空~
options(stringsAsFactors = F)
gpl=read.table("GPL16699-15607.txt",
               header = TRUE,fill = T,sep = "\t",
               comment.char = "#",
               stringsAsFactors = FALSE,
               quote = "")
head(gpl)
colnames(gpl)
ids=gpl[,c("NAME","GENE_SYMBOL")]
head(ids)
colnames(ids)=c('probe_id','symbol')
head(ids)

这个就是gpl16699的探针ID与基因名

image-20191104214939037

对比一下，方法一里面的getGEO函数下载后使用Table提取到的内容，就是方法二的txt文件，后续处理一致。

大功告成！

后续挖掘见生信技能树B站系列教学视频

需要细读表达芯片的公共数据库挖掘系列推文 ；

• 解读GEO数据存放规律及下载，一文就够
• 解读SRA数据库规律一文就够
• 从GEO数据库下载得到表达矩阵 一文就够
• GSEA分析一文就够（单机版+R语言版）
• 根据分组信息做差异分析- 这个一文不够的
• 差异分析得到的结果注释一文就够

然后看B站的GEO数据挖掘技巧，基本上该分享的都在B站和GitHub了，目录如下：

• 第一讲：GEO，表达芯片与R
• 第二讲：从GEO下载数据得到表达量矩阵
• 第三讲：对表达量矩阵用GSEA软件做分析
• 第四讲：根据分组信息做差异分析
• 第五讲：对差异基因结果做GO/KEGG超几何分布检验富集分析
• 第六讲：指定基因分组boxplot指定基因list画热图
• 第七讲：根据差异基因list获取string数据库的PPI网络数据
• 第八讲：PPI网络数据用R或者cytoscape画网络图
• 第九讲：网络图的子网络获取
• 第十讲：hug genes如何找