GEO生信数据挖掘（三）芯片探针ID与基因名映射处理

人工智能学术前沿（真)

墨衍会员 · AI 创作全网分发码龄9年

关注

VIP免费原创 2023-09-27 22:21:18 9.6k 阅读 AI 写同款· GEO 优化 ›

GEO芯片数据下载和探针ID转换（保姆级教程） R语言安装、GEO芯片数据下载、探针ID转换阅读详情

检索到目标数据集后，开始数据挖掘，本文以阿尔兹海默症数据集GSE1297为例

详细代码案例二多个基因名时保留第一个基因名

小结

更新版本的代码全文

上节我们下载了基因芯片平台文件并注释，我们发现存在一个芯片探针ID匹配到多个基因的情况，本节来介绍处理方案。

处理一个探针对应多个基因

我们通过简单检索发现两种方法：1.删除操作 2.保留////分割符号前面的第一个基因

1.删除该行

#处理一个探针对应多个基因
#方案一:【删除该行】

explan_final <- data.frame(explan_final[-grep("///",explan_final$"Gene.Symbol"),]) 

#去一对多，grep是包含的意思，-就是不包含

2.保留////分割符号前面的第一个基因

#方案二:【保留第一个基因名】
ids = platform_file_set #探针列名和基因名两列
library(tidyverse)
test_function <- apply(ids,
               1,
               function(x){
                 paste(x[1],
                       str_split(x[2],'///',simplify=T),
                       sep = "...")
               })
x = tibble(unlist(test_function))

colnames(x) <- "ttt" 
ids <- separate(x,ttt,c("ID","Gene.Symbol"),sep = "\\...")
dim(ids) #探针列名和基因名两列

显然，第一个发现非常简单，在使用merge函数匹配时，会剔除更多的基因。第二个方法，会保留更多基因。

处理多个探针对应一个基因

表达矩阵中还有一个问题，如下图所示，很多探针指向同一个基因。

#把重复的Symbol 取每个基因所有探针的平均值或最大值作为基因的表达量
matrix <- aggregate(.~Gene.Symbol, matrix, mean) ##把重复的Symbol取平均值

matrix <- aggregate(.~Gene.Symbol, matrix, max) ##把重复的Symbol取最大值

详细代码案例一删除法

# 安装并加载GEOquery包
library(GEOquery)

# 指定GEO数据集的ID
gse_id <- "GSE1297"

# 使用getGEO函数获取数据集的基础信息
gse_info <- getGEO(gse_id, destdir = ".", AnnotGPL =

最低0.47元/天解锁文章

标签

#数据挖掘 #基因数据分析 #生信分析 #R

GEO生信数据挖掘（二）下载基因芯片平台文件及注释检索到目标数据集后，开始数据挖掘，本文以阿尔兹海默症数据集GSE1297为例上节我们，但是矩阵行名称是芯片探针需要转换为基因名。阅读详情

GEO生信数据挖掘（三）芯片探针ID与基因名映射处理

处理一个探针对应多个基因

1.删除该行

2.保留////分割符号前面的第一个基因

处理多个探针对应一个基因

详细代码案例一删除法

相关推荐