芯片数据分析笔记【05】 | 处理芯片数据的R包

芯片数据分析笔记【01】 | 基因芯片的基本原理

芯片数据分析笔记【02】 | 芯片数据库

芯片数据分析笔记【03】 | GEO数据库使用教程及在线数据分析工具

芯片数据分析笔记【04】 | ArrayExpress 数据库介绍

---

芯片原始数据文件包括：① 芯片图像扫描得到的记录光信号强度的Intensity文件 ② 包含芯片类型、探针排布等芯片具体设计信息的Design文件 ③ 包含探针注释信息、探针序列等信息的Annotation文件 ④ 包含样本分组、实验处理等信息的Targets文件。不同芯片厂商的文件格式不同，下面是三大厂商芯片数据相应文件的格式信息：

原始芯片数据的来源：①  GEO、ArrayExpres等多个存储芯片实验数据的数据库 ② 芯片公司的官方网站。

处理这些数据会用到下面这些R包：

affy/oligo；beadarray/lumi；limma ；AgiMicroRna ；GEOquery ；readr/readxl。

(1). Affymetrix芯片

Affymetrix芯片原始数据最常用的格式是CEL格式，从读取原始数据到转化为基因表达量矩阵表格,可以使用affy ,oligo等R包进行数据的质量控制,背景矫正,数据标准化,其中标准化方法常用的为rma算法和mas5算法。

1). affy包

R包affy用于读取Affymetrix芯片CEL文件，也可用于读取一些较早期的affy芯片数据，如3'IVT 芯片，常见的U133系列(GPL570、GPL57K GPL96) ，不适合用于读取较新的affy芯片类型，如Exon ST、 GeneSK SNP芯片。affy读取CEL文件函数是read.affybatch/ReadAffy 读取后的对象类别：AffyBatch

2). oligo包

oligo读取Affymetrix芯片CEL文件，也可以读取affymetrix的几乎所有芯片类型的CEL文件，此外，oligo还可读取Roche NimbleGen芯片的.xys原始数据文件 ，oligo读取CEL文件函数是read.celfiles，读取后的对象类别：

芯片数据	对象
Expresssion arrays	ExpressionFeatureSet
Gene ST arrays	GeneFeatureSet
Exon ST arrays	ExonFeatureSet
SNP arrays	SnpFeatureSet
Tiling arrays	TilingFeatureSet

(2). Illumina芯片

Illumina芯片数据分析的4个起点：① Pixel-level,每个像素点对应一个数据， tif/tiff 格式；②  Bead-level,每个bead对应一个数据， 类似于affymetrix的单个probe数据， 具体数据包括txt/idat/Iocs /sdf/ xml等多种格式；③ Summary-level,每个bead type对应 —个数据，类似于affy的probe set数据， txt/CSV 格式；④ 公共数据库存储的表达矩阵数据，如 GEO/ArrayExpress，部分数据集已经过预处理，属于summary-level。

使用iScan/BeadScan扫描图像及处理图像信息时，因软件的具体版 本和设置参数不同，产生多种不同格式的原始数据文件。① .txtfiles,包含所有beads坐标数据和已减去背景值的光信号强度值 ② .tiffiles,扫描后得到的图像文件 ③ .Iocs files,包含所有beads的坐标信息 ④ .idatfiles,专有的二进制文件用于储存光信号强度数据，可供 BeadStudio/GenomeStudio读取进行后续分析 ⑤ .xml files,包含仪器的扫描参数设置和提取光强度值数据的具体方法信息 ⑥ .bgx files,包含探针注释信息 ⑦ Metrics.txt,包含扫描芯片的质量参数信息 ⑧ .sdf files,包含样本/芯片的具体构架、布局信息 ⑨ IBS (Illumina Bead Summary) files，.csv格式，summary-level 数据。

1). limma包

read.ilmn函数读取summary-level数据 ， read.idat读取idat数据。

2). beadarray包

readlllumina函数最常用，用于读取bead-level数据 ；readTIFF函数读取pixel-level图像数据 ；readldatFiles函数读取idat文件；readLocsFile函数读取.Iocs文件；readBeadSummaryData函数读取summary-level数据。

3). lumi包

lumiR函数读取summary-level数据 lumiR.batch函数批量读取summary-level数据

4). illuminaio包

readIDAT函数读取idat数据 ；readBGX函数读取.bgx文件。

(3). Agilent芯片

1). limma

limma包中的read.maimages函数不限于Agilent芯片数据，可用于读取多个平台芯片文件，但不适用于affymetrix及illumina芯片数据 ，可读取单色及双色芯片数据；可读取多种图像分析程序产生的txt数据，如：Agilent Feature Extraction, Arrayvision, BlueFuse, GenePix, ImaGene, QuantArray (Version 3 or later), Stanford Microarray Database (SMD)，SPOT。

2). AgiMicroRna

readMicroRnaAFE 函数适用于Agilent的miRNA芯片数据。