2019-07-06学习总结

GEOquery包使用说明书

https://www.jianshu.com/p/0d32fd410bcf

作业6

> rm(list = ls())  ## 魔幻操作，一键清空~
> options(stringsAsFactors = F)
> f <-  ' GSE17215_eSet.Rdata '
> #https ://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE17215
> library(GEOquery)
> #这个包需要注意两个配置，一般来说自动化的配置是足够的。
> #设置选项（'download.file.method.GEOquery'='auto'）
> #设置选项（'GEOquery.inmemory.gpl'= FALSE）
> if(!file.exists(f)){
+   gset <- getGEO('GSE17215', destdir=".",
+                  AnnotGPL = F,     ## 注释文件
+                  getGPL = F)       ## 平台文件
+   save(gset,file=f)   ## 保存到本地
+ }
> load('GSE17215_eSet.Rdata')  ## 载入数据
> View(gset)
> class(gset)
[1] "list"
> length(gset)
[1] 1
> class(gset[[1]])
[1] "ExpressionSet"
attr(,"package")
[1] "Biobase"
###获得表达矩阵
> a <- gset[[1]]
> dat <- exprs(a)
> dim(dat)
[1] 22277     6

image.png

> library(hgu133a.db)
> ids <- toTable(hgu133aSYMBOL)
> head(ids)
   probe_id symbol
1   1053_at   RFC2
2    117_at  HSPA6
3    121_at   PAX8
4 1255_g_at GUCA1A
5   1316_at   THRA
6   1320_at PTPN21

> dat <- dat[ids$probe_id,]###将dat与ids中的Probe_id相匹配，仅保留与ids中重合的值
> dim(dat)
[1] 19812     6
> dim(ids)
[1] 19812     2
> dat[1:4,1:4]
          GSM431121 GSM431122 GSM431123 GSM431124
1053_at   306.82972 224.97956 246.73288 251.85537
117_at     30.32576  27.28749  40.12724  40.04009
121_at    125.04107 147.67525 138.18675 160.26449
1255_g_at  19.87286  18.08049  19.11944  19.19024

> ids$median <- apply(dat,1,median)###给ids新加一列(即中位数)

image.png

> ids <- ids[order(ids$symbol,ids$median,decreasing = T),]###排序
> View(ids)
> ids <- ids[!duplicated(ids$symbol),]###去重，因为有多个探针对应一个基因的情况
> View(ids)
> dat <- dat[ids$probe_id,]
> View(dat)
> rownames(dat)=ids$symbol
> dat[1:4,1:4]
      GSM431121 GSM431122 GSM431123 GSM431124
ZZZ3  370.14474 464.45009 335.62887 311.38653
ZZEF1 177.79493 137.73896 177.79493 177.79493
ZYX   436.50564 387.60724 328.15602 356.54298
ZXDC   47.53879  54.66311  54.66311  58.69693
> dim(dat)
[1] 12403     6
> dim(ids)
[1] 12403     3

> ng <- 'ACTR3B ANLN BAG1 BCL2 BIRC5 BLVRA CCNB1 CCNE1 CDC20 CDC6 CDCA1 CDH3 CENPF CEP55 CXXC5 EGFR ERBB2 ESR1 EXO1 FGFR4 FOXA1 FOXC1 GPR160 GRB7 KIF2C KNTC2 KRT14 KRT17 KRT5 MAPT MDM2 MELK MIA MKI67 MLPH MMP11 MYBL2 MYC NAT1 ORC6L PGR PHGDH PTTG1 RRM2 SFRP1 SLC39A6 TMEM45B TYMS UBE2C UBE2T'
> ng <- strsplit(ng,' ')[[1]]

> table(ng %in%  rownames(dat))###ng与dat的行名重合的值

FALSE  TRUE 
    9    41 
> ng <- ng[ng %in%  rownames(dat)]
> View(dat)
> ng <- ng[ng %in%  rownames(dat)]
> dat <- dat[ng,]###返回dat中与ng重合的值
> dim(dat)
[1] 41  6
> View(dat)
> pheatmap::pheatmap(dat,scale = 'row')####scale的意义？

image.png

问题

pheatmap::pheatmap(dat,scale = 'row')####scale的意义？
查看GEOquery包的使用说明
查看getGEO的用法
if
dat <- dat[idssymbol),]此函数的意义？？？
ids加入中位数的意义在哪？
f <- ' GSE17215_eSet.Rdata '
library(GEOquery)
if(!file.exists(f)){
gset <- getGEO('GSE17215', destdir=".",
AnnotGPL = F, ## 注释文件
getGPL = F) ## 平台文件
save(gset,file=f) ## 保存到本地
}
load('GSE17215_eSet.Rdata') ## 载入数据(为何要进行这样的操作)

作业7

> rm(list = ls())  ## 魔幻操作，一键清空~
> options(stringsAsFactors = F)
> # 注意查看下载文件的大小，检查数据 
> f='GSE24673_eSet.Rdata'
> library(GEOquery)
> if(!file.exists(f)){
+   gset <- getGEO('GSE24673', destdir=".",
+                  AnnotGPL = F,     ## 注释文件
+                  getGPL = F)       ## 平台文件
+   save(gset,file=f)   ## 保存到本地
+ }
> load('GSE24673_eSet.Rdata')  ## 载入数据

> class(gset)
[1] "list"
> length(gset)
[1] 1
> class(gset[[1]])
[1] "ExpressionSet"
attr(,"package")
[1] "Biobase"
> # 因为这个GEO数据集只有一个GPL平台，所以下载到的是一个含有一个元素的list
> dat <- exprs(a)
> dim(dat)

image.png

> pd <- pData(a)

image.png

> group_list <- c('rbc','rbc','rbc',
+              'rbn','rbn','rbn',
+              'rbc','rbc','rbc',
+              'normal','normal')
> dat[1:4,1:4]
        GSM607938 GSM607939 GSM607940 GSM607941
7896736     6.231     6.353     6.702     6.663
7896738     6.607     6.895     6.856     8.136
7896740     7.191     7.123     7.196     7.845
7896742     7.447     6.837     7.220     7.391
> M <- cor(dat)

image.png

> pheatmap::pheatmap(M)

image.png

> tmp <- data.frame(group_list)
> rownames(tmp) <- colnames(M)
> View(tmp)
> View(M)
> pheatmap::pheatmap(M,annotation_col = tmp)

image.png

pd <- pData(a)重点就是 exprs 函数提取表达矩阵，pData 函数看看该对象的样本分组信息。
M <- cor(dat)意义何在 计算他们之间的相关性

作业8

找到 GPL6244 platform of Affymetrix Human Gene 1.0 ST Array 对应的R的bioconductor注释包，并且安装它！http://www.bio-info-trainee.com/1399.html

options()$repos
options()$BioC_mirror 
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
BiocManager::install("hugene10sttranscriptcluster.db",ask = F,update = F)
options()$repos
options()$BioC_mirror

作业9

下载数据集GSE42872的表达矩阵，并且分别挑选出 所有样本的(平均表达量/sd/mad/)最大的探针，并且找到它们对应的基因。

rm(list = ls())  ## 魔幻操作，一键清空~
options(stringsAsFactors = F)
# 注意查看下载文件的大小，检查数据 
f='GSE42872_eSet.Rdata'

library(GEOquery)
# 这个包需要注意两个配置，一般来说自动化的配置是足够的。
#Setting options('download.file.method.GEOquery'='auto')
#Setting options('GEOquery.inmemory.gpl'=FALSE)
if(!file.exists(f)){
  gset <- getGEO('GSE42872', destdir=".",
                 AnnotGPL = F,     ## 注释文件
                 getGPL = F)       ## 平台文件
  save(gset,file=f)   ## 保存到本地
}
load('GSE42872_eSet.Rdata')  ## 载入数据
class(gset)
length(gset)
class(gset[[1]])
# 因为这个GEO数据集只有一个GPL平台，所以下载到的是一个含有一个元素的list
a=gset[[1]]
dat=exprs(a)
dim(dat)
pd=pData(a)
# (平均表达量/sd/mad/)最大的探针
boxplot(dat)
sort(apply(dat,1,mean),decreasing = T)[1]
sort(apply(dat,1,sd),decreasing = T)[1]
sort(apply(dat,1,mad),decreasing = T)[1]

作业10

下载数据集GSE42872的表达矩阵，并且根据分组使用limma做差异分析，得到差异结果矩阵

rm(list = ls())  ## 魔幻操作，一键清空~
options(stringsAsFactors = F)
# 注意查看下载文件的大小，检查数据 
f='GSE42872_eSet.Rdata'

library(GEOquery)
# 这个包需要注意两个配置，一般来说自动化的配置是足够的。
#Setting options('download.file.method.GEOquery'='auto')
#Setting options('GEOquery.inmemory.gpl'=FALSE)
if(!file.exists(f)){
  gset <- getGEO('GSE42872', destdir=".",
                 AnnotGPL = F,     ## 注释文件
                 getGPL = F)       ## 平台文件
  save(gset,file=f)   ## 保存到本地
}
load('GSE42872_eSet.Rdata')  ## 载入数据
class(gset)
length(gset)
class(gset[[1]])
# 因为这个GEO数据集只有一个GPL平台，所以下载到的是一个含有一个元素的list
a=gset[[1]]
dat=exprs(a)
dim(dat)
pd=pData(a)
# (平均表达量/sd/mad/)最大的探针
boxplot(dat)
group_list=unlist(lapply(pd$title,function(x){
  strsplit(x,' ')[[1]][4]
}))


exprSet=dat
exprSet[1:4,1:4]
# DEG by limma 
suppressMessages(library(limma)) 
design <- model.matrix(~0+factor(group_list))
colnames(design)=levels(factor(group_list))
rownames(design)=colnames(exprSet)
design
contrast.matrix<-makeContrasts(paste0(unique(group_list),collapse = "-"),levels = design)
contrast.matrix<-makeContrasts("progres.-stable",levels = design)
contrast.matrix 
##这个矩阵声明，我们要把progres.组跟stable进行差异分析比较
##step1
fit <- lmFit(exprSet,design)
##step2
fit2 <- contrasts.fit(fit, contrast.matrix) ##这一步很重要，大家可以自行看看效果
fit2 <- eBayes(fit2)  ## default no trend !!!
##eBayes() with trend=TRUE
##step3
tempOutput = topTable(fit2, coef=1, n=Inf)
nrDEG = na.omit(tempOutput) 
#write.csv(nrDEG2,"limma_notrend.results.csv",quote = F)
head(nrDEG)

maftools的使用

require(maftools) 
tcga.ab.009.seg <- system.file("extdata", "TCGA.AB.3009.hg19.seg.txt", package = "maftools")
system.file("extdata", "TCGA.AB.3009.hg19.seg.txt", package = "maftools")###查找文件的路径
plotCBSsegments(cbsFile = tcga.ab.009.seg)###so,将所需文件路径输入即可运行相同操作
plotCBSsegments(cbsFile = 'C:/Users/86157/Desktop/生信作业/task2_maftools/allTumor.seg')
plotCBSsegments(cbsFile = 'allTumor.seg')###因为是在当前路径操作，所以可以直接选择文件，发现其报错，打开allTumor.seg文件与TCGA.AB.3009.hg19.seg.txt文件有何不同（allTumor.seg中没有表头，加入表头即可操作）
plotCBSsegments(cbsFile = 'allTumor.seg',ylims = c(-2,2),savePlot=T)