用GEOquery從GEO數據庫下載數據--轉載

https://www.plob.org/article/9969.html

 

Gene Expression Omnibus database (GEO)是由NCBI負責維護的一個數據庫，設計初衷是爲了收集整理各類表達芯片數據，可是後來也加入了甲基化芯片，甚至高通量測序數據！

GEO數據庫基礎知識

• GEO Platform (GPL) 芯片平臺
• GEO Sample (GSM) 樣本ID號
• GEO Series (GSE) study的ID號
• GEO Dataset (GDS) 數據集的ID號 ## 用法

只須要記住三個函數，以及每一個函數返回的對象該如何處理便可

getGEO/getGEOfile/getGEOSuppFiles

這三個函數根據上面的四種ID號下載數據時候，返回的對象還不同！

首先是下載和加載包：

1. source("http://www.bioconductor.org/biocLite.R")
2. biocLite("GEOquery")
3. library(GEOquery)

而後是使用它！

首先，咱們介紹getGEO函數

• gds858 <- getGEO(‘GDS858’, destdir=「.」) ##根據GDS號來下載數據，下載soft文件
• gpl96 <- getGEO(‘GPL96’, destdir=「.」) ##根據GPL號下載的是芯片設計的信息！
• gse1009 <- getGEO(‘GSE1009’, destdir=「.」)##根據GSE號下載數據，下載_series_matrix.txt.gz

下載的文件都會保存在本地，destdir參數指定下載地址。

還有不少其它參數能夠調整，學一個函數只須要看看它的幫助便可。

比較重要的三個參數是：GSEMatrix=TRUE,AnnotGPL=FALSE,getGPL=TRUE

返回的對象不同！針對返回對象的方法也不同！

下載GDS返回的對象

gds858返回的對象很複雜

用Table(gds858)能夠獲得表達矩陣！

用Meta(gds858)能夠獲得描述信息

1. options(warn=-1)
2. suppressMessages(library(GEOquery))
3. gds858 <- getGEO('GDS858', destdir=".")
4. names(Meta(gds858))
5. Table(gds858)[1:5,1:5]

而後還能夠用 GDS2eSet函數把它轉變爲expression set 對象

1. eset <- GDS2eSet(gds858, do.log2=TRUE)

下載GSE返回的對象

也就是直接根據GSE號返回的對象：gse1009

咱們的處理函數有：geneNames/sampleNames/pData/exprs(這個是重點，對expression set 對象的操做函數)

下載GPL返回的對象

可是根據GPL號下載返回的對象跟GDS同樣，也是用Table/Meta處理！

1. options(warn=-1)
2. suppressMessages(library(GEOquery))
3. gpl96 <- getGEO('GPL96', destdir=".")
4. names(Meta(gpl96))
5. Table(gpl96)[1:10,1:4]
6. ##下面這個就是芯片ID的基因註釋信息
7. Table(gpl96)[1:10,c("ID","GB_LIST","Gene.Title","Gene.Symbol","Entrez.Gene")]

getGEO除了能夠下載數據，還能夠打開本地數據！

1. gds858 <- getGEO(filename=‘GDS858.soft.gz’)

還能夠下載全部的cel原始文件！

1. tmp=getGEOSuppFiles(GSE1009)
2. if (is.null(tmp)) {
3. warning("Supplementary data files not provided!\nyou should check this GEO ID in NCBI\n")
4. }