判断GEO芯片数据表达矩阵是否需要log2转换 怎么知道表达矩阵是否标准化了 代码判断矩阵是否被标准化了 代码

通过exprs函数获取表达矩阵后我们可以通过以下三种方法判断是否需要进行log2转换

1.肉眼识别

最简单粗暴的方法就是，根据数值大小粗略估计：
如果表达量的数值在50以内，通常是经过log2转化后的。如果数字在几百几千，则是未经转化的。因为2的几十次方已经非常巨大，如果2的几百次方，则不符合实际情况。

比如，下面这个矩阵，我们肉眼就能看到数值都是个位数字，最大也就十几，这就是log处理过的：

这个矩阵数字就很大，这时候需要log2转换：

2.根据标准化处理方法推算

GSE数据下载界面中的SOFT文件和Series Matrix File(s)文件中均有描述该系列的数据是如何进行标准化处理的，常见的标准化处理方法有3种：RMA算法、GC-RMA算法、MAS5算法，其中前两中算法的返回值已经经过log2转换，可直接进行差异表达分析，第三种算法返回值未经过log2转换，需要自行进行log2转换。

打开下载好的Series Matrix File(s)文件—GSE42872_series_matrix.txt，查看数据使用的是哪种标准化处理方法。

发现使用的是RMA算法，我们知道该算法的返回值已经经过log2转换，可直接进行差异表达分析。

3.使用脚本自动判断是否需要log转换

## 下载数据GSE42872
rm(list = ls())
library(GEOquery)
eSet <- getGEO("GSE42872", 
               destdir = '.',
               getGPL = F)


# 从eSet中提取表达矩阵exprSet
exprSet <- exprs(eSet[[1]])

#对得到的表达矩阵操作
ex <- exprSet
qx <- as.numeric(quantile(ex, c(0., 0.25, 0.5, 0.75, 0.99, 1.0), na.rm=T))
LogC <- (qx[5] > 100) ||
  (qx[6]-qx[1] > 50 && qx[2] > 0) ||
  (qx[2] > 0 && qx[2] < 1 && qx[4] > 1 && qx[4] < 2)

if (LogC) { ex[which(ex <= 0)] <- NaN
exprSet <- log2(ex)
print("log2 transform finished")}else{print("log2 transform not needed")}

这个脚本会自动判断是否需要log2转化，上面我们知道GSE42872数据是log2过后的，所以这里会返回：

[1] "log2 transform not needed"

如果没有log话，他自动log2，并且返回：

"log2 transform finished"