為了能方便地查找R包的基本用法同時能夠隨時有一個代碼模板，我會在每次學習R包后把筆記寫進一個文檔里，同時打算在公眾號上也出一個R包的合集進行分享，今天分享第一個R包的基本用法。

GEOquery

功能：下載GEO數(shù)據(jù)的R包

基礎知識：

• GEO Platform (GPL) 芯片平臺
• GEO Sample (GSM) 樣本ID號
• GEO Series (GSE) study的ID號
• GEO Dataset (GDS) 數(shù)據(jù)集的ID號

GEOquery包的用法

• getGEO函數(shù)，它可以針對三種ID號來下載數(shù)據(jù)，下載的文件都會保存在本地，返回的對象不一樣！

  library(GEOquery)
  #根據(jù) GDS號來下載數(shù)據(jù)，下載得到soft文件。destdir="." 表示下載后數(shù)據(jù)保存在當前目錄
  gds858 <- getGEO('GDS858', destdir=".")
  #根據(jù) GPL號下載的是芯片平臺信息！得到 soft文件
  gpl96 <- getGEO('GPL96', destdir=".") 
  #根據(jù)GSE號下載數(shù)據(jù)，下載series.matrix.txt.gz與對應的 GPL soft文件
  gse1009 <- getGEO('GSE1009', destdir=".")
  #只下載series.matrix.txt.gz 。AnnotGPL 代表注釋信息，getGPL 代表平臺信息，這個 soft 文件比較大，所以網(wǎng)速比較慢的可以加入這兩個參數(shù)
  gse42872<- getGEO("GSE42872",destdir = ".",AnnotGPL = F,getGPL = F) 
  # 讀取已經(jīng)下載在本地的數(shù)據(jù)
  gse42872<- getGEO(filename = "GSE42872.series.matrix.txt.gz")
  

1. 下載 GDS 返回的對象

• Table 函數(shù)：可以得到表達矩陣

• Meta 函數(shù)：可以得到實驗信息

• GDS2eSet 函數(shù): 把 gds 數(shù)據(jù)轉變?yōu)?Expressionset 對象

  names(Meta(gds858))
  Table(gds858)[1:5,1:5]
  eset <- GDS2eSet(gds858, do.log2=TRUE) # do.log2參數(shù)，GDS中的數(shù)據(jù)在轉換為新數(shù)據(jù)結構之前是否進行l(wèi)og2轉換
  

2. 下載 GPL 返回的對象

根據(jù)GPL號下載返回的對象跟GDS一樣，也是用Table/Meta處理

names(Meta(gpl96))
Table(gpl96)[1:10,1:4]

下載后這個對象被封裝在1個 list 中，因為 GSE 中可能包含了多個 GPL 平臺的數(shù)據(jù)，這個 list 的每個元素都是 1 個平臺的 ExpressionSet 對象。如果該數(shù)據(jù)集只有1個平臺，那么該 list 只有 1 個元素。因此通過下面的代碼才能提取到 Expressionset 對象：

gset<- gse42872[[1]]

這里需要作一下區(qū)分，如果是通過 getGEO 函數(shù)讀取已經(jīng)下載到本地的 GSE 數(shù)據(jù)，那么讀取進來直接就是 ExpressionSet 對象而不是 list 。

簡單介紹一下 ExpressionSet 對象的幾個函數(shù)：

這個對象就是對表達矩陣加上樣本分組信息的一個封裝

• exprs 函數(shù)。從 Expressionset 對象提取表達矩陣
• pData 函數(shù)。從 Expressionset 對象提取臨床信息
• fData 函數(shù)。從 Expressionset 對象提取平臺信息

exprSet<- exprs(gset)
pdata<- pData(gset)
fdata<- fData(gset)

下面這個是生信技能樹對 GEOquery 包裝后的一個下載 GEO 數(shù)據(jù)的自定義函數(shù)，下載數(shù)據(jù)后同時把表達矩陣以及臨床信息提取出來并保存為 csv 文件在本地。

downGSE <- function(studyID = "GSE1009", destdir = ".") {
    library(GEOquery)
    eSet <- getGEO(studyID, destdir = destdir, getGPL = F)

    exprSet = exprs(eSet[[1]])
    pdata = pData(eSet[[1]])

    write.csv(exprSet, paste0(studyID, "_exprSet.csv"))
    write.csv(pdata, paste0(studyID, "_metadata.csv"))
    return(eSet)
}

# 使用方法
downGSE('GSE12345')

最后就是下載 GEO 數(shù)據(jù)實際上是從海外下載的，所以有時候可能會報錯。找到下面的鏈接可能可以解決。不過因為我們課題組是有內網(wǎng)的所以我自己沒有試過。

GEOquery包的getGEO函數(shù)總是無法下載腫么辦

你的GEO中國區(qū)鏡像該升級啦

參考資料：

從GEO數(shù)據(jù)庫下載得到表達矩陣 一文就夠 (qq.com)

https://github.com/bioconductor-china/basic/blob/master/ExpressionSet.md
www.bilibili.com/video/BV1is411H7Hq/?spm_id_from=333.999.0.0