數(shù)據(jù)挖掘?qū)ｎ} | GEO芯片探針注釋

心隨所愿zh 2018-02-09

展開全文

GEO數(shù)據(jù)庫中

https://www.ncbi.nlm./geo/

存儲著大量的來源于各種平臺（Platforms）的數(shù)據(jù)：

基于Technology，又可分為以下幾大類：

芯片主要以Affymetrix、Agilent、Illumina（對！Illumina不只會測序）這三家為主，而基于不同的使用目的和技術(shù)革新，每家又發(fā)布了一系列的芯片平臺，以Affy為例，在GEO數(shù)據(jù)庫中共有1200+個平臺（每個平臺在GEO中對應(yīng)一個GPL*編號）：

注：Affymertix檢測樣本量最多的10個平臺，其中HG-U133_Plus_2已達到100000+個樣本！

對于GEO中的每套芯片數(shù)據(jù)（每套數(shù)據(jù)在GEO中對應(yīng)一個GSE*編號），其都會對應(yīng)一個或多個平臺，即數(shù)據(jù)由一個或多個芯片平臺產(chǎn)生并放置在同一個GSE*編號下。

以GSE3933為例，該數(shù)據(jù)集收錄由3個平臺（GPL2695、GPL3044、GPL3289）檢測的共計112個樣本的基因表達數(shù)據(jù)：

雖說是基因表達數(shù)據(jù)，但是GEO數(shù)據(jù)庫中極少可以直接下載到基因水平的表達數(shù)據(jù)，基本上都需要經(jīng)過數(shù)據(jù)的預(yù)處理或是簡單的探針對應(yīng)基因的操作，所以繞不開的步驟就是得到探針與基因的對應(yīng)關(guān)系。當(dāng)然對于不同公司、不同類別的芯片，其探針命名方式，以及最終與基因的對應(yīng)關(guān)系是有區(qū)別的，所以如何得到探針注釋將是生信分析前必須要考慮的問題。

小編列舉3種方式供大家參考：

1、GEO數(shù)據(jù)庫在線下載：

以上示GPL2695平臺為例，其具體信息可以通過如下鏈接查看：

https://www.ncbi.nlm./geo/query/acc.cgi?acc=GPL2695

頁面下拉可見探針注釋信息，如下：

可見共有44160個探針記錄，兩種方式可下載，View full table：

第一列即探針名，也常為GSE*_series_matrix.txt的第一列，其后則是每個探針的具體注釋信息。

而點擊Annotation SOFT table會直接下載一個壓縮文件

ftp://ftp.ncbi.nlm./geo/platforms/GPL2nnn/GPL2695/annot/GPL2695.annot.gz

解壓后可用notepad++等文本編輯軟件打開，再拷貝到excel中查看，格式如下：

這款芯片是十幾年前的芯片，其實對于大多數(shù)芯片來講，View full table中即可得到探針對應(yīng)的基因，所以如果View full table中剛好沒有，則可以下載Annotation SOFT table文件試試！

實在不行，還可參考將View full table中的GB_LIST轉(zhuǎn)化為Gene Symbol：

https://support./p/61827/

此種下載探針注釋文件的好處在于，每套數(shù)據(jù)都會給定探針的注釋信息，不用考慮從其他地方苦苦尋找，所以下載GEO數(shù)據(jù)的時候就可以順便下載探針注釋文件！

2、Bioconductor Annotation Packages

https:///packages/release/data/annotation/

部分注釋包如下：

如上就是比較常見的幾款A(yù)ffy芯片的探針注釋包，對于后續(xù)用R進行統(tǒng)計分析的小伙伴來說，bioconductor中收集的各種探針注釋包是個不錯的選擇，使用select函數(shù)即可從注釋包中輕松提取探針對應(yīng)的基因信息！

3、biomaRt

http://www./packages/release/bioc/html/biomaRt.html

基于多種數(shù)據(jù)庫進行數(shù)據(jù)轉(zhuǎn)換：

所以，biomaRt的全面和強大并不僅僅局限于探針到基因的對應(yīng)關(guān)系，甚至在生信分析過程中你會經(jīng)?？吹交蛴玫剿?，當(dāng)然，你所能用它解決的問題取決于你對其了解的程度！

library(biomaRt)

mart = useMart('ensembl', dataset = 'hsapiens_gene_ensembl')

查看biomaRt中集成的Affy注釋包：

知道了數(shù)據(jù)的平臺就可以做探針-基因提取啦，如affy_hg_u95b：

probes2genes = getBM(attributes = c('affy_hg_u95b', 'hgnc_symbol'), filters = 'affy_hg_u95b', values = probes, mart = mart)

當(dāng)然，能做探針注釋的工具多如牛毛，比如大名鼎鼎的DAVID，GSEA等工具都集成了ID convert的功能，這些工具的區(qū)別在于其所基于的數(shù)據(jù)庫，所以不同工具得到的結(jié)果可能會有一些差異，小編在鉆了幾次牛角尖之后放棄了尋找所謂注釋最好最全的方法，還是用的順手就好！