Bioconductor基因芯片数据分析系列(一)：数据的读取

Bioconductor基因芯片数据分析系列（一）：R包中数据的读取

R软件的Bioconductor包是分析芯片数据的神器，今天小编打算推出芯片数据的系列教程。首先讲数据读取，以CLL数据包中的数据为例。

打开R studio。

#安装所需的R包以及CLL包，注意大小写，一般函数都是小写的

source("https://www.360docs.net/doc/3718211759.html,/biocLite.R");

biocLite(“CLL”)

图1.显示已经安装好Bioconductor了，版本为3.4

#打开CLL包

library(CLL)

图2.显示打开CLL成功

图3.右侧栏内可见看到目前载入的程序包

data(CLLbatch)

#调用RMA算法对数据预处理

CLLrma<-rma(CLLbatch)

#读取处理后所有样品的基因表达值

e<- exprs(CLLrma)

#查看数据

e

我们可以看到，CLL数据集中共有24个样品（CLL10.CEL, CLL11.CEL, CLL12.CEL, 等），此数据集的病人分为两组：稳定组和进展组，采用的设计为两组之间的对照试验（Control Test）。从上面的结果可知，Bioconductor具有强大的数据预处理能力和调用能力，仅仅用了6行代码就完成了数据的读取及预处理。

Bioconductor基因芯片数据分析系列（二）：GEO下载数据CEL的读取首先得下载一个数据，读取GEO的CEL文件采用如下命令：

登陆pubmed，找到一个你感兴趣的数据库

在底下栏目下载CEL文件

打开R软件

#安装所需的R包以及CLL包，注意大小写，一般函数都是小写的

source("https://www.360docs.net/doc/3718211759.html,/biocLite.R");

biocLite(“CLL”)

>library(affy)

>affybatch<- ReadAffy(celfile.path = "GSE36376_RAW")

请注意目录的路径，在window下，反斜杠‘\’要用转义字符“\\”表示。

然后可以使用RMA或者MAS5等方法对数据进行background.correction, normaliztion, pm.correct等等一系列处理。如果你一切用默认参数，则可以使用如下命令：

>eset<- rma(affybatch)，or eset<- mas5(affybatch)

>exp<- exprs(eset)

exp就是数字化的表达谱矩阵了

请注意，rma只使用匹配探针（PM）信号，exp数据已经进行log2处理。mas5综合考虑PM和错配探针（MM）信号，exp数据没有取对数。

下一期就得等到2017年春节期间啦，敬请期待~

另外一种是直接利用GEO上面的GEO2R按钮里面的R script下载文件：

# Version info: R 3.2.3, Biobase 2.30.0, GEOquery 2.40.0, limma 3.26.8

# R scripts generated Mon Dec 26 06:54:42 EST 2016 Server: https://www.360docs.net/doc/3718211759.html,

Query:

acc=GSE36376&platform=GPL10558&type=txt&groups=&color s=&selection=XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX XXXXXXXXXXXXXXXXXXXXXX&padj=fdr&logtransform=auto&col umns=ID&columns=adj.P.Val&columns=P.Value&columns=F&c

olumns=Gene+symbol&columns=Gene+title&num=250&annot=n cbi

# Unable to generate script analyzing differential expression.

# Invalid input: at least two groups of samples should be selected.

##################################################### ###########

# Boxplot for selected GEO samples

library(Biobase)

library(GEOquery)

# load series and platform data from GEO

gset<- getGEO("GSE36376", GSEMatrix =TRUE,

getGPL=FALSE)

if (length(gset) > 1) idx<- grep("GPL10558", attr(gset, "names")) else idx<- 1

gset<- gset[[idx]]

# set parameters and draw the plot

dev.new(width=4+dim(gset)[[2]]/5, height=6)

par(mar=c(2+round(max(nchar(sampleNames(gset)))/2),4, 2,1))

title<- paste ("GSE36376", '/', annotation(gset), " selected samples", sep ='')

boxplot(exprs(gset), boxwex=0.7, notch=T, main=title, outline=FALSE, las=2)