GEO数据挖掘(2)之数据整合

欢迎关注R语言数据分析指南

❝

本节来继续介绍如何基于「GEO」数据库进行数据挖掘，前文参考下面链接

❞

library(GEOquery)
library(tidyverse)
library(magrittr)

load(file ="GSE33126.rdata") 
gset <- gset[[1]] # 包含样本信息+基因表达信息

样本信息表

sampleinfo <- pData(gset) %>%# 提取样本信息表
  select(source_name_ch1,characteristics_ch1.1) %>% 
  rename(group = source_name_ch1,patient=characteristics_ch1.1) %>% 
  mutate_at(vars(patient),~str_split(.," ",simplify = T)[,2])

基因表达矩阵

gene_exp <- exprs(gset) %>% as.data.frame()

检查探针编号

tail(gene_exp[,1:3])

同步表达矩阵与样本信息

gene_exp <- gene_exp[,which(
  colnames(gene_exp) %in% rownames(sampleinfo)
)]

• 查看数据

summary(gene_exp)
gene_exp <- log2(gene_exp)

• 绘制箱线图

boxplot(gene_exp,outline=FALSE)

❝

若箱线图中位数差异较大可以执行下面代码对数据进行标准化处理

❞

• 对数据进行标准化

library(limma)
p <- as.data.frame(
  normalizeBetweenArrays(gene_exp)
)

❝

经过上面的步骤我们得到了样本信息表 & 基因表达矩阵信息表，接下来从「GEO」数据库下载基因信息表就可进行后续分析

❞

整合基因信息表

gene_info <- read_delim("GPL6947-13512.txt", "\t",escape_double = FALSE, comment = "#", 
                        trim_ws = TRUE) %>%
  dplyr::select(ID,Gene_Symbol = Symbol,Entrez_Gene_ID, 
                Gene_Title = Definition) %>% drop_na()

❝

现在我们得到了分析需要的3张表，「save」将其保存后续分析直接加载即可

❞

save(gene_exp,sampleinfo,gene_info, file='GSE33126-info.rdata')

❝

好了今天的介绍到此结束，喜欢的小伙伴欢迎「付费99元」可加入我的「VIP交流群」，即同步获取公众号为期一年推文的代码与PDF文档，当然也可以对此文进行任意金额打赏，后台会发送给您数据&代码，感谢各位的支持

❞

欢迎大家扫描下方二位码加入「QQ交流群」,与全国各地上千位小伙伴交流

作者微信

「关注下方公众号下回更新不迷路」，添加作者微信，备注单位+方向+姓名即可邀您