GEO数据挖掘-复杂数据及其分析

GEO数据挖掘-TinyArray简化流程、多组样本分析&more（Day10）(GEO_learnmore )
from 生物技能树

文章目录

• tinyarray简化版本分析流程
• Part4-复杂数据及其分析
• • 多分组数据分析流程(示例：GSE474,GSE106191)
  • • 1.获取数据
    • 2.生成分组向量与探针注释
    • 3.差异分析
    • 4.tinyarray的简化操作
    • 5.富集分析
  • 2.多数据联合分析
• 加权共表达网络（WGCNA）
• 蛋白互作网络
• 网络药理学的一点扩展

tinyarray简化版本分析流程

需要R包版本2.3.1及以上：

### 运行代码块的快捷键 在RStudio中，你可以使用以下快捷键来运行当前的代码块或所选代码： - Windows/Linux: `Ctrl + Enter` - macOS: `Cmd + Enter` 这些快捷键会执行光标所在的代码块，或者如果使用了文本选择，那么执行所选部分的代码。 

exp:表达矩阵，pd:临床信息 gpl表格
1.获取数据

rm(list = ls()) #打破下载时间的限制,改前60秒，改后10w秒 options(timeout = 100000) options(scipen = 20)#不要以科学计数法表示 #前面是一样的 library(tinyarray) packageVersion("tinyarray") 

[1] ‘2.3.3’ 

library(stringr) geo = geo_download("GSE7305") #geo_download实现下载和整理 exp = geo$exp #表示从名为 geo 的对象中提取名为exp的组件，并将提取的组件赋值给一个新的变量exp。 exp = log2(exp+1) boxplot(exp,las = 2) #查看有无异常样本 

pd = geo$pd #提取临床信息 gpl_number = geo$gpl #代替了第一个脚本 # 分组信息 k = str_detect(pd$title,"Normal");table(k) Group = ifelse(k,"Normal","Disease") Group = factor(Group,levels = c("Normal","Disease")) Group = factor(Group,levels = c("Normal","Disease")) # 探针注释 find_anno(geo$gpl) library(hgu133plus2.db);ids <- toTable(hgu133plus2SYMBOL) head(ids) 

#差异分析和它的可视化 dcp = get_deg_all(exp,Group,ids,entriz = F) #get_deg_all实现差异基因和可视化 #代替了脚本3和脚本4 table(dcp$deg$change) head(dcp$deg) dcp$plots library(ggplot2) ggsave("deg.png",width = 15,height = 5) 

> #差异分析和它的可视化 > dcp = get_deg_all(exp,Group,ids,entriz = F) 579 down genes,624 up genes > table(dcp$deg$change) down stable up 579 19621 624 > head(dcp$deg) logFC AveExpr t P.Value 1 6.270309 8.436140 45.39552 0.000000000000000000000009106509 2 3.943359 7.351799 35.25755 0.000000000000000000002600407155 3 2.318498 6.631187 32.33367 0.000000000000000000017855505829 4 4.905540 8.140399 30.78154 0.000000000000000000053206731115 5 4.878195 6.815838 29.02740 0.000000000000000000195062651758 6 4.106051 9.045949 28.82714 0.000000000000000000227319306208 adj.P.Val B probe_id symbol change 1 0.0000000000000000002489492 41.58809 202992_at C7 up 2 0.0000000000000000473924204 37.34483 204971_at CSTA up 3 0.0000000000000001952499562 35.77275 228564_at LINC01116 up 4 0.0000000000000004155825748 34.85700 208131_s_at PTGIS up 5 0.0000000000000013331313106 33.74579 210002_at GATA6 up 6 0.0000000000000013809647852 33.61341 212190_at SERPINE2 up > dcp$plots > library(ggplot2) 

```{ r} #富集分析 deg = get_deg(exp,Group