geo差异表达分析_如何使用GEOquery和limma完成芯片数据的差异表达分析

如何分析芯片数据

我最早接触的高通量数据就是RNA-seq，后来接触的也基本是高通量测序结果而不是芯片数据，因此我从来没有分析过一次芯片数据，而最近有一个学员在看生信技能树在腾讯课堂发布的课程GEO数据库表达芯片处理之R语言流程遇到了问题问我请教，为了解决这个问题，我花了一个晚上时间学习这方面的分析。 注:这篇文章不会介绍R语言的安装和使用，也不会介绍GEO数据库的构造

数据的获取

数据获取有两种方式，R包GEOquery解析和手动下载。其中前面一种最方便，完成了手动数据下载和Bioconductor常见数据结构ExpressionSet的构造，关于这个数据结构的具体介绍看Bioconductor的介绍或者视频，简言之，就是用于存放 实验信息, 分组信息 和 表达信息, 方便后续调用。

library(GEOquery)

gset

show(gset)

ExpressionSet

一般而言GEOquery解析都是首选，除非你提供的GSE号还没被GEOquery记录或者说网络速度感人，以及你不觉得别人提供的矩阵是你所需要的，你才会决定去手工下载。分为两种情况，一种是下载赛默飞的下机原始数据格式CEL，一种是下载单个样本表达量向量或者含有所有样本的表达量矩阵。

数据下载

先说第一种，可以直接点击http下载到tar打包的数据, 然后解压缩得到所有的CEL文件

setwd("F:/Project/GEO_project/")

library(affy)