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 >基因芯片数据分析(二):读取芯片数据

基因芯片数据分析(二):读取芯片数据

作者头像
DoubleHelix
发布2019-12-13 10:30:46
4.6K0
发布2019-12-13 10:30:46
举报
文章被收录于专栏:生物信息云
上一篇文章(基因芯片数据分析(一):

在microarray的处理中,第一步就是读取数据。无论是自己的保存在本地的数据,还是在线保存的数据,对于不同公司的芯片可以使用不同的软件包读取。在这里,我们说的在线数据,主要是指保存在GEO (Gene Expression Omnibus) 数据库中的数据,当然GEO的数据可先下载后再读入。

读取本地数据

我们可以使用affy包中的ReadAffy函数读取cel文件。

代码语言:javascript
复制
library(affy) ##加载库文件
Data <- ReadAffy("/path/of/CELs") ##读取工作目录下的CEL文件

ReadAffy()格式如下:

代码语言:javascript
复制
ReadAffy(..., filenames=character(0),
              widget=getOption("BioC")$affy$use.widgets,
              compress=getOption("BioC")$affy$compress.cel,
              celfile.path=NULL,
              sampleNames=NULL,
              phenoData=NULL,
              description=NULL,
              notes="",
              rm.mask=FALSE, rm.outliers=FALSE, rm.extra=FALSE,
              verbose=FALSE,sd=FALSE, cdfname = NULL)

参数

说明

需要读入的文件名,可以用逗号间隔,输入多个CEL文件

filenames

文件名列表构成的字符向量(character vector)

phenoData

an AnnotatedDataFrame object, a character of length one, or a data.frame.

description

MIAME对象,它是对microarray实验的完整描述,包括名称,实验室,通信方式,实验摘要,网址,样品,杂交信息,对照,预处理,PubMedId,等等。除继承的方法外,还提供了提取相应信息的方法。

notes

注释

compress

CEL文件是否为压缩文件,支持zip和gzip

rm.mask

should the spots marked as ‘MASKS’ set to NA?

rm.outliers

should the spots marked as ‘OUTLIERS’ set to NA?

rm.extra

if TRUE, then overrides what is in rm.mask and rm.oultiers.

verbose

verbosity flag.

widget

a logical specifying if widgets should be used.

celfile.path

文件所在的目录,缺省时为R的工作目录

sampleNames

样品名列表构成的字符向量(character vector)

sd

是否读入CEL文件中的标准差?默认不读入,可以节省大量的内存。

cdfname

指定CDF库的文件名。如果设置为NULL,程序会自动从标准库中下载。

对于Affymetrix Exon/Gene ST Arrays,我们不能使用affy包来读取,我们需要使用oligo或者xps来进行分析。这里介绍oligo包。

代码语言:javascript
复制
library(oligo)
geneCELs <- list.celfiles("path/to/cels", full.names=TRUE)
affyGeneFS <- read.celfiles(geneCELs)

对于NimbleGen数据(XYS文件),可以使用oligo读取。

代码语言:javascript
复制
library(oligo)
xysFiles <- list.celfiles('myXYSs', full.names=TRUE)
rawData <- read.xysfiles(xysFiles)

对于Agilent的gpr文件或者txt文件,可以使用limma的read.maimages来读取。需要注意的是,对于不同的文件source参数有多种选择:"generic", "agilent", "agilent.median", "agilent.mean", "arrayvision", "arrayvision.ARM", "arrayvision.MTM", "bluefuse", "genepix", "genepix.custom", "genepix.median", "imagene", "imagene9", "quantarray", "scanarrayexpress", "smd.old", "smd", "spot" or "spot.close.open"。对于单色芯片,注意将green.only设置成TRUE.

代码语言:javascript
复制
library(limma)
data <- read.maimages(files=filelist, source = "agilent")

读取在线数据

在GEO数据库中保存有大量的microarray的原始数据。许多文章在发表之前,作者为了提高文章的可重复性,都会将高通量的数据提交至GEO数据库当中,以方便审稿人以及公从读者调验。

本文以GSE46106数据为例,讲述如何从GEO上下载数据。分为两种方式,第一,直接从GEO上下载表达数据,第二,直接从GEO上下载CEL文件,然后以读取本地数据的方式读入。

首先我们示例如何下载表达数据。

代码语言:javascript
复制
library(GEOquery)
gset <- getGEO("GSE46106", GSEMatrix =TRUE)
length(gset)

gset只是从geo从抓回的数据,它可能是多个数据,所以返回结果保存在了一个list当中。为了以后操作的方便,对于返回长度为1的list,我将其结果从list中抽取出来。就是类似:a <- list(a=c(1,2,3)) 以后每次访问c(1,2,3),我都要写成a[[1]]这样,感觉不方便,于是 a <- a[[1]] 这样以后访问c(1,2,3)就只需要写成a就可以了。

代码语言:javascript
复制
gset <- gset[[1]]
head(pData(gset)[,1:5])
# load NCBI platform annotation
gpl <- annotation(gset)
platf <- getGEO(gpl, AnnotGPL=TRUE)
ncbifd <- data.frame(attr(dataTable(platf), "table"))
eset <- exprs(gset)
head(eset[,1:5])
head(ncbifd[,1:5])

其次我们示例如何下载原始的CEL文件。

代码语言:javascript
复制
getGEOSuppFiles("GSE46106")
setwd("GSE46106/")
dir()
untar("GSE46106_RAW.tar")
files <- dir(pattern="gz$")
sapply(files, gunzip)
filelist <- dir(pattern="CEL$")
library(affy)
library(annotate)
data <- ReadAffy(filenames=filelist)
affydb<-annPkgName(data@annotation,type="db")
require(affydb, character.only=TRUE)
eset<-rma(data,verbose=FALSE)
eset.e <- exprs(eset)
library(annaffy)
symbols<-as.character(aafSymbol(as.character(rownames(eset)),affydb))
genes<-as.character(aafUniGene(as.character(rownames(eset)),affydb))
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-11-20,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 MedBioInfoCloud 微信公众号,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
  • 读取本地数据
  • 读取在线数据
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