踩坑记录-GB_ACC转换基因-不允许有重复的‘row.names‘-R语言零基础基因/数据差异分析（三）

GB_ACC转换成基因

直接利用GEO分析

在上个系列中，我们记住了 GB_ACC ，但制作热图，需要我们将其转换成基因名，如果你已经转换好了或者不需要制作热图，前参考后续系列。
方法1（推荐）

如下图示意，将GB_ACC转换成基因名。


上图选项框勾选后，就会出现对应的列在列表中，如下图勾选 GENE_SYMBOL后的效果。

如此就可以实现GB_ACC与基因名的对应。

GB_ACC的第二种方法（繁琐）

我并不推荐这种方法，它十分的繁琐且对新手不友好，如果你是新手，请忽视掉它。

在后面的文章中，如果特别指明（请忽视）说明是不重要且无伤大雅的。

要复制的列：

但在复制选择的列之前，我们需要对它进行排序，这个非常重要

再删除重复，如图

之后打开David,
地址：https://david.ncifcrf.gov/

由于我做的是人类基因，所以下图步骤3选择可能不同，请自己选择


之后我们可点击下载文件

注意，有些GB_ACC是没有基因的，所以我们需要对下载的文件进行进一步排序。

基因的排序（请忽视）
准备工具
Sublime Text,请自行下载

除如图所示外，其他全复制。

先将文件贴到新的excel中，进行排序

排序完成之后，再复制全部（ctrl + A全选，ctrl + C 复制）新建一个文本文档并用 sublime text打开，粘贴基因。
正则表达式

查询多个括号：
\(+[^\n]+\(
删除括号左右侧：
\)+[^\n]+\n
\n+[^\n]+\(

点击查询，找到查找和替换，然后逐个输入上方正则表达式（就是上面每行表达式，注意中文是注解行，就别输入了）替换成换行符（也就是写"\n",注意不带引号）。

一般来说括号内是基因，有的 基因说明 中，括号内不一定是基因，请在进行上面正则表达式操作之前，手动删除用括号括起来但里面又不是基因的文本（连带它的括号一起删了）。

注意输入正则表达式顺序已排好，依次操作就好，别整错顺序了。

上图注意按顺序点击。

上两个图示范了一个正则表达式的用法，请自行完成后续正则表达式的操作。
删除末尾多余文字

删除开头多余文字

之后全部复制贴回对应行即可，另存为csv文件，我们这里命名为GSE_HM

总之，一定要注意排序，排序是都有的数据（这里是GB_ACC）

不允许有重复的’row.names’解决问题

在R studio中，我们发现输入以下代码可能报错：

df = read.csv("文件目录", header = T, row.names = 1)

不允许有重复的'row.names'解决问题

出错原因是数据格式不对，但这在网上很少解释清楚，常错的原因有以下几点：

	1.第一行有重复名
	2.CSV文件格式错误

原因1用Excel修改第一行重复名称即可。
我们介绍2如何解决，这里我们先用 sublime text （软件，自行下载）打开文件修改即可，（事实上，任何文本编辑器都可以）。
我们需要分析的csv的数据格式如下：

	1. 每行末尾必须有英文符号的逗号
	2. 最后一行需要换行（即保留一行空白）
	3. 如果存在末行连续逗号，要删除，如图。
	4. 注意，开头没有空格

这样问题就基本解决了。