保姆级教程！！GEO数据集芯片数据的探针ID转换！！
生信人R语言学习必备
立刻拥有一个Rstudio账号
开启升级模式吧
（56线程，256G内存，个人存储1T）
小伙伴们得到GEO数据集原始数据后，发现密密麻麻的基因表达信息不知道从哪里下手。而且基因表达信息往往有很多我们不需要的信息，并且基因表达谱数据往往也是层次不齐。在这里小果自己整理了一份代码，可以把基因表达谱整理出来，并且把探针ID也转换完成，把数据也归一化处理。接下来跟着小果去学习一下吧！
在这里小果使用实例数据GSE63514,平台为GPL-570。小伙伴可以自行在GEO数据库中下载。不过，小果教大家一个小技巧：
在官网搜到自己需要的GEO数据集后，可以在
这个选项中选择查看一下这个数据集中含有那些样本:
当我们点击GPL平台后会出现一些信息在这里：
如果这个平台信息含有
那么我们处理数据起来就会很方便，利用Gene Symbol就可以转换ID得到我们想要的基因名称。小伙伴们一定要注意，如果没有这个Symbol信息（有的平台可能只会显示Symbol），小果这里的代码可能不太使用。接下来我们就进入正题吧！
我们得到这个原始数据集，先导入它们：
setwd("E:\生信果")Sys.setlocale('LC_ALL','C')GPL_table = read.table('E:\生信果\GPL570-55999.txt',sep = "t",comment.char = "#", stringsAsFactors = F,header = T, fill = TRUE, quote = "")GSE4100 <- read.table('E:\生信果\GSE63514_series_matrix.txt',sep = "t",comment.char = "!", stringsAsFactors = F,header = T, fill=TRUE)
细心的小伙伴会发现，ID这一列不是我们想要的Gene名，这就需要我们吧ID转化一下。
接下来：
ID_Sybmol = GPL_table[,c(1,11)] #GPL对应ID列
colnames(ID_Sybmol)[2]=”Symbol” #更改名称为Symbol，主要是为了对其求平均函数
c(1,11)这里的11是GPL平台表格里面，代表第11列，小果这里GeneSymbol是11列，所以这里是11，小伙伴们需要数一下自己数据Symbol在第几列。
接下来：
#合并ID与基因列Exp = merge(ID_Sybmol,GSE4100,by.x = "ID",by.y = "ID_REF",all=T) #45782个Exp = Exp[,-1]View(Exp)#查看一下数据集
这样一来就得到我们想要的基因名称了，但是又出现一个新的问题，基因名有重复的，而且有个基因含有多个，这该怎么办呢，小果再教一招。对数据过滤：
#数据过滤，对多余的基因进行删除Exp = Exp[Exp$Symbol != "",] #Exp = na.omit(Exp) ##去除多余的基因，Exp1 = data.frame(Exp[-grep("/",Exp$"Symbol"),]) #去一对多，grep是包含的意思，-就是不包含write.table(Exp1,"Exp1.txt",row.names = F,quote = F,sep="t")
那么这里
就得到干净的基因表达谱
但是，有的小伙伴他的基因表达谱中数据有的异常的大，那么就需要对数据归一化。
接下来小果在继续教大家如何把数据集做平均值处理，这里需要用到for循环处理数据。
#求平均值meanfun <- function(x) {x1 <- data.frame(unique(x[,1]))colnames(x1) <- c("Symbol")for (i in 2:ncol(x)){x2 <- data.frame(tapply(x[,i],x[,1],mean))x2[,2] <- rownames(x2)colnames(x2) <- c(colnames(x)[i], "Symbol")x1 <- merge(x1,x2,by.x = "Symbol",by.y = "Symbol",all=FALSE)}return(x1)}Exp2 <- meanfun(Exp1)
这里数据就会变规整很多。
我们使用柱状图展示数据形式：
# 查看数据par(cex = 0.7)n.sample=ncol(Exp2[,-1])if(n.sample>40) par(cex = 0.5)cols <- rainbow(n.sample*1.2)boxplot(Exp2[,-1], col = cols,main="expression value",las=2)write.table(Exp2,"Exp_Original.txt",row.names = F,quote = F,sep="t")row.names(Exp2) = Exp2[,1]Exp2 = log(Exp2[,-1])par(cex = 0.7)n.sample=ncol(Exp2)if(n.sample>40) par(cex = 0.5)cols <- rainbow(n.sample*1.2)boxplot(Exp2, col = cols,main="expression value",las=2)Symbol = row.names(Exp2)Exp_test = cbind(Symbol,Exp2)write.table(Exp_test,"Exp.txt",row.names = F,quote = F,sep="t")
最终得到的数据集就是我们想要的基因表达谱了，小伙伴可以使用得到的基因表达谱做后续的分析啦！
小果这里提醒一下，有的数据集不需要做归一化处理，小伙伴要清楚自己想要得到那个基因表达谱。
其他相关分析内容，例如预测肿瘤样本药物敏感性分析(http://www.biocloudservice.com/712/712.php),预测某样本亚型对免疫治疗的反应(http://www.biocloudservice.com/292/292.php)，单样本富集算法分析免疫浸润丰度(http://www.biocloudservice.com/106/106.php)，计算64种免疫细胞相对含量(http://www.biocloudservice.com/107/107.php)等都可以用本公司新开发的零代码云平台生信分析小工具，一键完成该分析奥，感兴趣的小伙伴欢迎来尝试奥，网址：http://www.biocloudservice.com/home.html。今天小果的分享就到这里，下期在见奥。
小果友情推荐
好用又免费的工具安利
点击“阅读原文”立刻拥有
↓↓↓