芯片数据分析步骤1 芯片数据下载-GEO

从GEO数据库下载数据的方法

1、在GEO DATASETS中输入关键词，选择符合的GSE，在ftp中进行手动下载

2、找到符合的GSE，在R中使用GEOquery包进行下载

GEO数据库的数据种类

1、Platforms 平台

包含有芯片的探针信息，如cDNAs，寡核苷酸，ORFs，抗体。

以GPLxxx编号。

一个platform可以包含不同人上传的不同sample。

不同platform的数据需要分开处理。

2、Samples 样品

一个以独立方式处理的样品。

以GSMxxx编号。

一个sample只能包含于一个platform，一个sample可以包含于多个series。

3、Series 系列

一个Series就是一个study。

以GSExxx编号。

一个系列一定包含多个sample，可能包含多个platform。

不同platform的数据需要分开处理。

4、Datasets 数据集

数据集包含有被summiter处理过的数据，可以使用GEO数据库自带的tools进行分析，如differentiated gene expression, cluster, heatmap。

以GDSxxx编号。

一个dataset的sample来自同一个platform，因此彼此间具有可比性。

范例

• gds858 <- getGEO(‘GDS858’, destdir=“.”) ##根据GDS号来下载数据，下载soft文件

• gpl96 <- getGEO(‘GPL96’, destdir=“.”) ##根据GPL号下载的是芯片设计的信息！

• gse1009 <- getGEO(‘GSE1009’, destdir=“.”)##根据GSE号下载数据，下载_series_matrix.txt.gz

下载GDS返回的对象

gds858返回的对象很复杂

用Table(gds858)可以得到表达矩阵！

用Meta(gds858)可以得到描述信息

names(Meta(gds858))
Table(gds858)[1:5,1:5]

可以用 GDS2eSet 函数把它转变为 expressionset

下载GSE返回的对象

用GPLList函数查看GPL信息

处理函数有：geneNames/sampleNames/pData/exprs

用命令

gsmplatforms <- lapply(GSMList(gse), function(x) {Meta(x)$platform_id})
head(gsmplatforms)

查看GSM对应的GPL信息

用命令

gsmlist = Filter(function(gsm) { Meta(gsm)$platform_id=='GPLXX'},GSMList(gse))

提取GPLXX对应的样本（有些实验涉及到不同平台的样品）。

下载GPL返回的对象

根据GPL号下载返回的对象跟GDS一样，也是用Table/Meta处理！

还可以下载cel原始文件！

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

参考：

1、用GEOquery从GEO数据库下载数据

2、Using the GEOquery Package

3、GEOquery Reference Manual