芯片探针序列的基因注释已经无需你自己亲自做了
在整个生信技能树的历史上，就分享过两次价值一千元的：
其中第二个教程是纯粹的R代码技巧，怕粉丝看不懂，我还刻意花了一个星期做铺垫：
有两个弊端
根据粉丝的反馈，是有两个问题的，首先是该R包在Windows平台是无法使用的，然后是大家下载参考基因组总是搞错！
还专门有粉丝发邮件求助，问我为什么，他跟着我的教程：（重磅！价值一千元的R代码送给你）芯片探针序列的基因组注释 报错：ERROR: the provided reference sequences include more than 4 billion bases 初步怀疑是电脑配置不够，就升级到了96GB内存，20核心CPU，1.2T硬盘，但是报错依旧！
所以我就让他指明是哪一个步骤代码问题，结果他告诉我下载的1G参考基因组解压后是54G，我的天！
我代码中说的数据库：'Homo_sapiens.GRCh38.dna.toplevel.fa' 因为并没有给出下载的链接，所以导致初学者只能是自己折腾碰壁了，但是正常的生物学背景知识朋友都应该是知道人类参考基因组是3G左右啊!如果你下载的是toplevel版本的基因组：Homo_sapiens.GRCh38.dna.toplevel.fa.gz，文件大小1G，解压后54G！！！实际上用它对应的primary版本就够了：Homo_sapiens.GRCh38.dna.primary_assembly.fa.gzprimary的版本中是不包括haplotype info的，而top level中会包含大量的变异信息，而这部分是很冗余并且一般也用不太到。
其实你可以使用我们的AnnoProbe包
目前仍然是 host 在GitHub上面：https://github.com/jmzeng1314/annoprobe
如果大家觉得有帮助，后续我会考虑抽时间去发布在bioconductor里面，甚至写成SCI文章供大家引用。
以前大家是需要自己下载探针序列进行参考基因组比对后注释，比如我在 （重磅！价值一千元的R代码送给你）芯片探针序列的基因组注释 提到的例子;关于
Human LncRNA Expression Array V4.0 AS-LNC-H-V4.0 20,730 mRNAs and 40,173 LncRNAs 8*60K
这个芯片探针的重新注释，一般文献里面的描述是：
probe sequences 探针序列下载
uniquely mapped to the human genome (hg19) by Bowtie without mismatch. 参考基因组下载及比对
chromosomal position of lncRNA genes based on annotations from GENCODE (Release 23)坐标提取，最后使用bedtools进行坐标映射
但是大部分人是没有linux操作能力，无法完成这个流程，使用我们的包可以轻轻松松达到探针注释的目的！
首先下载安装我们的AnnoProbe包
library(devtools)
install_github("jmzeng1314/AnnoProbe")
library(AnnoProbe)
因为这个包里面并没有加入很多数据，所以理论上会比较容易安装，当然，不排除中国大陆少部分地方基本上连GitHub都无法访问。
然后使用AnnoProbe包获取探针注释信息
# GPL21827[Accession] - GEO DataSets Result - NCBI - NIH
# https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL21827
gpl='GPL21827'
probe2gene=idmap(gpl,type = 'pipe')
head(probe2gene)
轻轻松松的几行代码，就拿到了探针的注释信息哦
是不是很激动，如果你感兴趣这个R包开发过程，查看前面的教程：
欢迎大家提交试用体验，也可以加入交流群：4年前的TCGA重磅资料你学了