生信小白菜之四步搞定GEO差异分析与结果可视化

---

title: “GEO_array_process”
author: “yuluyang”
date: “2024-03-25”

---

生信技能树数据挖掘课程笔记

前期准备

rm(list = ls())
# 打破下载时间的限制,改前60秒，改后10w秒
# 如果不是很大的文件，也可以不用
options(timeout = 100000) 
options(scipen = 20)#不要以科学计数法表示
# 装包就不再赘述了

第一步：获取数据+提取表达矩阵+提取临床数据

library(GEOquery)
downGSE<-function(studyID="GSE1009",destdir=","){
    library(GEOquery)
    eSet<-getGEO(studyID,destdir=destdir,getGPL=F)
    
    exp=exprs(eSet[[1]])
    pd=pData(eSet[[1]])
    
    return(eSet)
}
# 定时检查一下数据
class(eSet)
length(eSet)
dim(exp)
range(exp) # 看下数据范围决定是否需要log，是否有负值，异常值

### 如果需要log
exp = log2(exp+1) 
boxplot(exp,las = 2) # 看是否有异常样本

### 如果有多个组需要提取临床信息（分组）
## 以`pd`数据为例，假设要分成4个组
pd$test=paste0(rep(c("a","b","c","d"),each=5),rep(c(1:5),times=4))
k1=str_detect(pd$test,"a");table(k1)
k2=str_detect(pd$test,"b");table(k2)
pd=pd[k1|k2,];pd

# 让exp列名与pd的行名顺序完全一致 
p = identical(rownames(pd),colnames(exp));p
if(!p) {
  s = intersect(rownames(pd),colnames(exp))
  exp = exp[,s]
  pd = pd[s,]
}

# 获取芯片数据
gpl_number <- e