芯片数据的下载与清洗

芯片数据下载与读取

GEOquery

• AnnotGPL=T 使用GPLXXX.annot.gz文件
• AnnotGPL=F 使用GPLXXX.soft文件

gpl_1 <- getGEO("GPL16699",AnnotGPL=T,destdir = "data")

• getGPL =F只下载表达矩阵
• GSEMatrix =TRUE 不从soft文件解析表达矩阵

gset_1_1 <- getGEO("GSE165004", GSEMatrix =TRUE, getGPL =F,destdir = "data")

• 下载GSEXXXX_RAW.tar原始文件

getGEOSuppFiles("GSE165004",baseDir = "data")

提取表达矩阵

图片alt

• exprs from GEOquery

gset_expr <- exprs(gset[[1]])

• from GSEXXXXX_series_matrix.txt.gz
• 从原始数据提取表达矩阵

提取注释信息

图片alt

• annotation from GEOquery

gpl_1 <- getGEO("GPL16699",AnnotGPL=T,destdir = "data")
gpl_1 <- Table(gpl_1)

• annotation from GPL soft file
• annotation form microarry manufacture website
• annotation from Bioconductor

提取GEO的样本及临床信息

图片alt

gset_1_pd <- pData(gset_1) %>% 
  dplyr::select(sample_id=geo_accession,sample_name=title,tissue_type=source_name_ch1)%>%
  mutate(group= case_when(tissue_type == "Endometrial_Tissue_Fertile_Control" ~"control",
                          tissue_type=="Endometrial_Tissue_Fertile_RPL"~"RPL",
                          tissue_type=="Endometrial_Tissue_Fertile_UIF"~"UIF"))

去除批次效应

批次效应的来源与评估

图片alt

图片alt

图片alt

去除批次效应的方法

图片alt

图片alt

图片alt

多平台数据合并分析的方法

• 先差异分析,再合并结果(不同测序平台)
• 先合并数据,后差异分析(同一个测序平台)
  
  https://downloads.hindawi.com/journals/isrn/2014/345106.pdf

批次分析流程

单个芯片数据集批次效应去除流程

• 读取芯片原始数据
• 数据质控
• 背景矫正
• 标准化
• 缺失值补充
• 得到清洁的基因表达矩阵
• 批次效应的评估和可视化
• 如已知批次效应：ComBat
• 如未知批次效应：sva

同一平台多个芯片数据集批次效应去除流程

• 合并芯片原始数据，读取芯片原始数据
• 数据质控
• 背景矫正
• 标准化
• 缺失值补充
• 得到清洁的基因表达矩阵
• 批次效应的评估和可视化
• ComBat处理批次效应

跨平台数据集批次处理流程

• 分解进行差异分析后差异基因取交集（绘制韦恩图）
• 采用RRA方法整合分析各个数据集的差异基因
  • RObustRankAggreg

参考

https://www.helixlife.cn/courses/class/12c03f65-2bab-42d6-9931-47e53853f4b1/learns/1766