芯片数据 count
原创
本意：TCGA-KIRC的表达矩阵和ccRCC（肾透明细胞癌）免疫治疗后的表达矩阵进行差异分析。
从TIGER数据库（http://tiger.canceromics.org/）下载免疫治疗的数据，其中GSE67501是ccRCC（肾透明细胞癌）免疫治疗后的数据。该网站提供了Rds的表达矩阵和临床信息。
然后读取了这两部分的信息。
GSE67501_expr <- readRDS(file = "inputdata/RCC-GSE67501.Response.Rds") %>%
tibble::column_to_rownames(var = "GENE_SYMBOL") %>%
na.omit()
GSE67501_clic <- readRDS(file = "inputdata/RCC-GSE67501.Response (1).Rds")
通过查看表达矩阵通过range()函数发现，基因的表达量在20以内，是经过log转换的。但是为了和TCGA的数据进行差异分析，就想把GEO的数据也转换成一样的，TCGA的数据事先转成了TPM的。为此，就想去GEO数据下载原始表达矩阵也就是count格式的。然后就下载了下面两个数据。
一个是作者normalize之后的表达矩阵：
还有一个是没有normalize的
对non-normalize进行了读取并查看
GSE67501_expr_non <- data.table::fread("inputdata/GSE67501_Non-normalized_data.txt.gz")
就很疑惑为什么non-normalize的数据还有小数点，难道不应该是count的吗？然后就开始了一些列的猜测：
- count格式的数据会不会有小数点的？
- 会不会是其它格式，比如TPM或者FPKM等？
- 可不可以按照series_matrix的处理方式，再转回去？
然后万能的网络也给出了一系列答案
- 比如某乎有人回答count值不排除有小数点的。（我信了，又不敢全信，继续寻找答案）
- 通过colSums(GSE67501_expr_non)查看数据是否是TPM格式的，结果显示也不是。
接着各种搜索终于搜索到了一个帖子，illumina数据处理（以GSE100748为例）https://www.jianshu.com/p/f7e4ff780d1c ，就依葫芦画瓢的对我的数据也进行了操作。他参照了曾老师的教程，http://www.bio-info-trainee.com/1944.html。这个教程之前也看到过，就只是大概扫了一眼。发现和count没关系我也就没仔细看。也就有了后面的这个错误。（有够无语的）
Error in gregexpr("\t", dataLine1)[1] : 下标出界
还好又搜到了曾老师的帖子。http://www.360doc.com/content/22/0110/08/76149697_1012615125.shtml 我从GEO下载的表达矩阵的列名和函数中参数的列名不一致。
按照文中的代码修改以后，就没有错误了，但是此时还没得到我想得到的count个数的数据。
GSE67501_expr_non <- data.table::fread("inputdata/GSE67501_Non-normalized_data.txt.gz")
sam <- colnames(GSE67501_expr_non)
pd <- sam[grepl("RCC",sam)]
colnames(GSE67501_expr_non) <- c('PROBE_ID',paste(names(pd),
rep(c('AVG_Signal','Detection Pval'),11),
sep = '.'))
colnames(GSE67501_expr_non)
write.table(GSE67501_expr_non,file = "outpudata/tmp.txt",sep = "\t",quote = F)
x.lumi <- lumiR.batch("outpudata/tmp.txt") ##, sampleInfoFile='sampleInfo.txt')
pData(phenoData(x.lumi))
## Do all the default preprocessing in one step
lumi.N.Q <- lumiExpresso(x.lumi)
### retrieve normalized data
dataMatrix <- exprs(lumi.N.Q) #dataMatrix即表达矩阵到这一步，这个数据是normalize之后的了，然而我还没意识到问题所在。
那就是RNA-seq和RNA-array的不同
测序是测序，芯片是芯片啊！！！！
测序是测序，芯片是芯片啊！！！！
测序是测序，芯片是芯片啊！！！！
他们与原理都不同，芯片数据哪来的count值
chatgpt大哥也给出了答案
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
