Bioconductor基因芯片大数据分析报告报告材料系列一大数据地读取.docx

Bioconductor基因芯片数据分析系列（一）：R包中数据的读取 R软件的Bioconductor包是分析芯片数据的神器，今天小编打算推出芯片数据的系列教程。首先讲数据读取，以CLL数据包中的数据为例。 打开R studio。 #安装所需的R包以及CLL包，注意大小写，一般函数都是小写的 source(/biocLite.R); biocLite(“CLL”) 图1.显示已经安装好Bioconductor了，版本为3.4 #打开CLL包 library(CLL) 图2.显示打开CLL成功 图3.右侧栏内可见看到目前载入的程序包 data(CLLbatch) #调用RMA算法对数据预处理 CLLrma-rma(CLLbatch) #读取处理后所有样品的基因表达值 e- exprs(CLLrma) #查看数据 e 我们可以看到，CLL数据集中共有24个样品（CLL10.CEL, CLL11.CEL, CLL12.CEL, 等），此数据集的病人分为两组：稳定组和进展组，采用的设计为两组之间的对照试验（Control Test）。从上面的结果可知，Bioconductor具有强大的数据预处理能力和调用能力，仅仅用了6行代码就完成了数据的读取及预处理。 Bioconductor基因芯片数据分析系列（二）：GEO下载数据CEL的读取 首先得下载一个数据，读取GEO的CEL文件采用如下命令： 登陆pubmed，找到一个你感兴趣的数据库 在底下栏目下载CEL文件 打开R软件 #安装所需的R包以及CLL包，注意大小写，一般函数都是小写的 source(/biocLite.R); biocLite(“CLL”) library(affy) affybatch - ReadAffy(celfile.path = GSE36376_RAW) 请注意目录的路径，在window下，反斜杠‘\’要用转义字符“\\”表示。 然后可以使用RMA或者MAS5等方法对数据进行background.correction, normaliztion, pm.correct等等一系列处理。如果你一切用默认参数，则可以使用如下命令： eset - rma(affybatch)，or eset - mas5(affybatch) exp - exprs(eset) exp就是数字化的表达谱矩阵了 请注意，rma只使用匹配探针（PM）信号，exp数据已经进行log2处理。mas5综合考虑PM和错配探针（MM）信号，exp数据没有取对数。 下一期就得等到2017年春节期间啦，敬请期待~ 另外一种是直接利用GEO上面的GEO2R按钮里面的R script下载文件： # Version info: R 3.2.3, Biobase 2.30.0, GEOquery 2.40.0, limma 3.26.8 # R scripts generated Mon Dec 26 06:54:42 EST 2016 Server: Query: acc=GSE36376platform=GPL10558type=txtgroups=colors=selection=XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXpadj=fdrlogtransform=autocolumns=IDcolumns=adj.P.Valcolumns=P.Valuecolumns=Fcolumns=Gene+symbolcolumns=Gene+titlenum=250annot=ncbi # Unable to generate script analyzing differential expression. # Invalid input: at least two groups of