字号：大 中 小
Bioconductor基础ExpressionSet介绍 3
12 十 2012 | 程序员
在Biobase基础包中，ExpressionSet是非常重要的类，因为Bioconductor设计之初是为了对基因芯片数据进行分 析，而ExpressionSet正是Bioconductor为基因表达数据格式所定制的标准。它是所有涉及基因表达量相关数据在 Bioconductor中进行操作的基础数据类型，比如affyPLM, affy, oligo, limma, arrayMagic等等。所以当我们学习Bioconductor时，第一个任务就是了解并掌握ExpressionSet的一切。
ExpressionSet的组成：
assayData: 一个matrix类型或者environment类型数据。用于保存表达数据值。
当它是一个matrix时，它的行表示不同的探针组（probe sets）（也是features，总之是一个无重复的索引值）的值，它的列表示不同的样品。如果有行号或者列号的话，那么行号必须与 featureData及phenoData中的行号一致，列号就是样品名。当我们使用exprs()方法时，就是调取的这个assayData的 matrix。
当它是一个enviroment时，它必须有两个变量，一个就是与上一段描述一致的matrix，另一个就是epxrs，而这个exprs会响应exprs()方法，返回表达值。头文件：用于描述实验平台相关的数据，其中包括phenoData, featureData，protocolData以及annotation等等。其中
phenoData是一个存放样品信息的data.frame或者AnnotatedDataFrame类型的数据。如果有行号的话，其行号必须与assayData的列号一致（也就是样品名）。如果没有行号，则其行数必须与assayData的列数一致。
featureData是一个存放features的data.frame或者AnnotatedDataFrame类型的数据。它的行数必须与assayData的行数一致。如果有行号的话，那么它的行号必须和assayData的行号一致。
annotation是用于存放芯片类型的字符串，比如hgu95av2之类。
protocolData用于存放设备相当的数据。它是AnnotatedDataFrame类型。它的维度必须与assayData的维度一致。experimentData: 一个MIAME类型的数据，它用于保存和实验设计相关的资料，比如实验室名，发表的文章，等等。那么什么是MIAME类呢？MIAME是Minimum Information About a Microarray Experiment的首字母缩写，它包括以下一些属性（slots）：
有了这些，所有实验相关的信息基本全备。
name: 字符串，实验名称
lab: 字符串，实验室名称
contact: 字符串，联系方式
title: 字符串，一句话描述实验的内容
abstract: 字符串，实验摘要
url: 字符串，实验相关的网址
samples: list类，样品的信息
hybridizations: list类，杂交的信息
normControls: list类，对照信息，比如一些持家基因（house keeping genes）
preprocessing: list类，原始数据的预处理过程
pubMedIds: 字符串，pubMed索引号
others: list类，其它相关的信息
ExpressionSet继承了eSet类，属性基本和eSet保持一致。
那么，对于一个ExpressionSet，哪些属性是必须的？哪些有可能缺失呢？很显然，assayData是必须的，其它的可能会缺失，但是不能都缺失，因为那样的话就无法完成数据分析的工作。
接下来，我们试着开始实例化一个ExpressionSet类。
第一步，得到assayData。
> dataDir <- system.file("extdata", package="Biobase")> exprsFile <- file.path(dataDir, "exprsData.txt")> exprsFile[1] "/Library/Frameworks/R.framework/Versions/2.15/Resources/library/Biobase/extdata/exprsData.txt"> exprs <- as.matrix(read.table(exprsFile, header=TRUE, sep="\t", row.names=1, as.is=TRUE))> class(exprs)[1] "matrix"> dim(exprs)[1] 500 26> colnames(exprs)
[1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W" "X" "Y" "Z"> head(exprs)
A B C D E F G H I
AFFX-MurIL2_at 192.7420 85.75330 176.7570 135.5750 64.49390 76.3569 160.5050 65.9631 56.9039AFFX-MurIL10_at 97.1370 126.19600 77.9216 93.3713 24.39860 85.5088 98.9086 81.6932 97.8015AFFX-MurIL4_at 45.8192 8.83135 33.0632 28.7072 5.94492 28.2925 30.9694 14.7923 14.2399AFFX-MurFAS_at 22.5445 3.60093 14.6883 12.3397 36.86630 11.2568 23.0034 16.2134 12.0375AFFX-BioB-5_at 96.7875 30.43800 46.1271 70.9319 56.17440 42.6756 86.5156 30.7927 19.7183AFFX-BioB-M_at 89.0730 25.84610 57.2033 69.9766 49.58220 26.1262 75.0083 42.3352 41.1207
J K L M N O P Q R
AFFX-MurIL2_at 135.60800 63.44320 78.2126 83.0943 89.3372 91.0615 95.9377 179.8450 152.4670AFFX-MurIL10_at 90.48380 70.57330 94.5418 75.3455 68.5827 87.4050 84.4581 87.6806 108.0320AFFX-MurIL4_at 34.48740 20.35210 14.1554 20.6251 15.9231 20.1579 27.8139 32.7911 33.5292AFFX-MurFAS_at 4.54978 8.51782 27.2852 10.1616 20.2488 15.7849 14.3276 15.9488 14.6753AFFX-BioB-5_at 46.35200 39.13260 41.7698 80.2197 36.4903 36.4021 35.3054 58.6239 114.0620AFFX-BioB-M_at 91.53070 39.91360 49.8397 63.4794 24.7007 47.4641 47.3578 58.1331 104.1220
S T U V W X Y Z
AFFX-MurIL2_at 180.83400 85.4146 157.98900 146.8000 93.8829 103.85500 64.4340 175.61500AFFX-MurIL10_at 134.26300 91.4031 -8.68811 85.0212 79.2998 71.65520 64.2369 78.70680AFFX-MurIL4_at 19.81720 20.4190 26.87200 31.1488 22.3420 19.01350 12.1686 17.37800AFFX-MurFAS_at -7.91911 12.8875 11.91860 12.8324 11.1390 7.55564 19.9849 8.96849AFFX-BioB-5_at 93.44020 22.5168 48.64620 90.2215 42.0053 57.57380 44.8216 61.70440AFFX-BioB-M_at 115.83100 58.1224 73.42210 64.6066 40.3068 41.82090 46.1087 49.41220 |
第二步，准备头文件。
> #准备phenoData> pDataFile <- file.path(dataDir, "pData.txt")> pDataFile[1] "/Library/Frameworks/R.framework/Versions/2.15/Resources/library/Biobase/extdata/pData.txt"> pData <- read.table(pDataFile, row.names=1, header=TRUE, sep="\t")> dim(pData)[1] 26 3> rownames(pData)
[1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W"[24] "X" "Y" "Z"> summary(pData)
gender type score
Female:11 Case :15 Min. :0.1000
Male :15 Control:11 1st Qu.:0.3275
Median :0.4150
Mean :0.5369
3rd Qu.:0.7650
Max. :0.9800 > head(pData)
gender type score
A Female Control 0.75B Male Case 0.40C Male Control 0.73D Male Case 0.42E Female Case 0.93F Male Control 0.22> #检查pData的行号是否和exprs的列号一致> all(rownames(pData) == colnames(exprs))[1] TRUE> #然后将pData转换成一个AnnotatedDataFrame实例> metadata <- data.frame(labelDescription=c("Patient gender", "Case/control status", "Tumor progress on XYZ scale"), row.names=colnames(pData))> adf <- new("AnnotatedDataFrame", data=pData, varMetadata=metadata)> adf
An object of class 'AnnotatedDataFrame'
rowNames: A B ... Z (26 total)
varLabels: gender type score
varMetadata: labelDescription> dim(adf)
rowNames columnNames
26 3 > varMetadata(adf)
labelDescription
gender Patient gender
type Case/control status
score Tumor progress on XYZ scale> dimLabels(adf)[1] "rowNames" "columnNames"> featureNames(adf)
[1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W"[24] "X" "Y" "Z"> sampleNames(adf)
[1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" "U" "V" "W"[24] "X" "Y" "Z"> head(pData(adf))
gender type score
A Female Control 0.75B Male Case 0.40C Male Control 0.73D Male Case 0.42E Female Case 0.93F Male Control 0.22> #准备annotation> annotation <- "hgu95av2" |
第三步，准备experimentData。
> experimentData = new("MIAME", name="Pierre Fermat",+ lab="Francis Galton Lab",+ contact="[email protected]",+ title="Smoking-Cancer Experiment",+ abstract="An example ExpressionSet",+ url="www.lab.not.exist",+ other=list(notes="Created from text files"))> experimentData
Experiment data
Experimenter name: Pierre Fermat
Laboratory: Francis Galton Lab
Contact information: [email protected]
Title: Smoking-Cancer Experiment
URL: www.lab.not.exist
PMIDs:
Abstract: A 3 word abstract is available. Use 'abstract' method. notes:
notes:
Created from text files |
最后，把它们整合起来。
> exampleSet = new("ExpressionSet", exprs=exprs,+ phenoData=adf, experimentData=experimentData,+ annotation="hgu95av2")> exampleSet
ExpressionSet (storageMode: lockedEnvironment)assayData: 500 features, 26 samples
element names: exprs
protocolData: none
phenoData
sampleNames: A B ... Z (26 total)
varLabels: gender type score
varMetadata: labelDescription
featureData: none
experimentData: use 'experimentData(object)'Annotation: hgu95av2 |
以上，我们一步一步地实例了一个ExpressionSet类。但是在实际的Bioconductor操作中是很少从第一步开始这样实例一个 ExpressionSet类的。最常见的情况是我们使用affy中的ReadAffy()函数，读取.CEL文件进入R成为一个AffyBatch实 例，而后使用rma()或者mas5()函数对样品进行处理之后得到一个ExpressionSet的实例。我们之所以做上面的练习，只是为了能够更好地 理解什么是ExpressionSet类。
接下来需要了解的是ExpressionSet有哪些方法，我们如何操作ExpressionSet类。
> #可以直接使用$符号来访问AnnotatedDataFrame型的数据> exampleSet$gender[1:5][1] Female Male Male Male Female Levels: Female Male> #使用pData函数来获得phenoData中的数据> head(pData(exampleSet)) gender type score A Female Control 0.75B Male Case 0.40C Male Control 0.73D Male Case 0.42E Female Case 0.93F Male Control 0.22> #使用featureNames来读取features.我们注意到实际上exampleSet的featureData是空的，但是我们仍然可以得到featureNames。> featureNames(exampleSet)[1:5][1] "AFFX-MurIL2_at" "AFFX-MurIL10_at" "AFFX-MurIL4_at" "AFFX-MurFAS_at" "AFFX-BioB-5_at" > #得到样品名称> sampleNames(exampleSet)[1:5][1] "A" "B" "C" "D" "E"> #使用exprs()函数来提取表达值，也就是assayData中的matrix。> mat <- exprs(exampleSet)> dim(mat)[1] 500 26> #使用phenoData()函数来获取整个phenoData。注意它和pData()函数的区别。> adf <- phenoData(exampleSet)> adf An object of class 'AnnotatedDataFrame' sampleNames: A B ... Z (26 total) varLabels: gender type score varMetadata: labelDescription |
对于ExpressionSet最重要的操作就是如何取出子集了。有时候在进行质量分析之后，我们对其中一些样品的数据不满意，想从已经实例化的ExpressionSet中抽取掉，或者我们希望对样品进行分组，都需要使用到Subset的概念。那么如何抽取子集呢？
我们可以象操作矩阵那样对其进行子集操作。
> vv <- exampleSet[1:5, 1:3]> vv ExpressionSet (storageMode: lockedEnvironment)assayData: 5 features, 3 samples element names: exprs protocolData: none phenoData sampleNames: A B C varLabels: gender type score varMetadata: labelDescription featureData: none experimentData: use 'experimentData(object)'Annotation: hgu95av2 > featureNames(vv)[1] "AFFX-MurIL2_at" "AFFX-MurIL10_at" "AFFX-MurIL4_at" "AFFX-MurFAS_at" "AFFX-BioB-5_at" |
我们还可以使用它的一些属性来对其进行子集操作。需要注意的是行列的位置。
> males <- exampleSet[, exampleSet$gender == "Male"]; males
ExpressionSet (storageMode: lockedEnvironment)assayData: 500 features, 15 samples
element names: exprs
protocolData: none
phenoData
sampleNames: B C ... X (15 total)
varLabels: gender type score
varMetadata: labelDescription
featureData: none
experimentData: use 'experimentData(object)'Annotation: hgu95av2
> dim(males)Features Samples
500 15 > AFFX <- exampleSet[grepl("^AFFX", featureNames(exampleSet)), ]> AFFX
ExpressionSet (storageMode: lockedEnvironment)assayData: 67 features, 26 samples
element names: exprs
protocolData: none
phenoData
sampleNames: A B ... Z (26 total)
varLabels: gender type score
varMetadata: labelDescription
featureData: none
experimentData: use 'experimentData(object)'Annotation: hgu95av2
> dim(AFFX)Features Samples
67 26 |
如果想了解更多，请在R中使用?ExpressionSet以及?eSet来获得更多的资料。