R语言优雅搞定GEO表达矩阵的下载整理与临床数据

生信喵

背景

GEOquery：两分钟教你用R语言搞定表达矩阵的下载整理与临床数据，GEO数据库挖掘

使用方法

#引用包
library(Biobase)
library(GEOquery)
library(biomaRt)

#输入GSE系列号和GPL
GSE="GSE67545"
GPL="GPL15034"
#输入gene所在列名称,一般为Gene symbol
genename="Gene symbol"

#提取下载GEO数据
gset <- getGEO(GSE, GSEMatrix =T, getGPL = T, AnnotGPL = F) 
if (length(gset) > 1) idx <- grep(GPL, attr(gset, "names")) else idx <- 1
gset <- gset[[idx]]

#查看gset里的信息
str(gset)

#提取表达矩阵
afexp<-data.frame(exprs(gset))

#如果gset里没有gene symbol就需要用其它方法进行注释，但是可以先把探针矩阵整理出来（需要整理探针矩阵可以去除#运行）
#保存探针矩阵
#annmatrix=rbind(ID=colnames(afexp),afexp)
#write.table(annmatrix,file="annmatrix.txt",sep="\t",quote=F,col.names = F)

#简单看看平台的基因名称在哪，顺便提取一下吧
head(gset@featureData@data)
nname=which(colnames(gset@featureData@data)==genename)
afexp$ID=as.character(gset@featureData@data[,nname])

#保存探针信息
ann=cbind(as.character(gset@featureData@data[,nname]),rownames(afexp))
write.table(ann,file="ann.xls",sep="\t",quote=F,col.names = F,row.names = F)

#删除没有gene symbol的探针组
afexp<-afexp[afexp$ID!="",]
#对重复基因取平均值并保存好整理的表达矩阵
uniafexp<-aggregate(.~ID,afexp,mean)
write.table(uniafexp,file="matrix.txt",sep="\t",quote=F,col.names = T,row.names = F)

#保存样本处理信息
cli=pData(gset)
cliaf=rbind(ID=colnames(cli),cli)
write.table(cliaf,file="clinical.xls",sep="\t",quote=F,col.names = F)

#整理保存基因的biotype信息
ensembl <- useMart(biomart = "ENSEMBL_MART_ENSEMBL", 
                   dataset = "hsapiens_gene_ensembl", #小鼠是mmusculus_gene_ensembl，大鼠是rnorvegicus_gene_ensembl
                   host = "https://useast.ensembl.org")# www报错，改为useast
biotype <- getBM(attributes = c("gene_biotype", "hgnc_symbol"),
                      filters = "hgnc_symbol", #小鼠是mgi_symbol，大鼠是mgi_symbol
                      values = uniafexp[,1], mart = ensembl)
write.table(biotype,file="biotype.xls",sep="\t",quote=F,col.names = T,row.names = F)

将以上的GSE,GPL替换为你需要的gse数据集号，就可以直接下载处理出来了。