GEOquery

GEOquery 是 bioconductor 项目下的一个R包

官网：http://www.bioconductor.org/packages/release/bioc/html/GEOquery.html

下载安装：

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("GEOquery")

GEO 是由NCBI负责维护的一个数据库，期初是有芯片数据，后来增加了甲基化芯片和高通量测序数据。

只要看到文献里面有提到 GEO 数据库，都可以通过这个R包来进行批量下载，其实就是网页版的一个API调用而已。

GEO 数据库基础知识（有另一篇博文专门介绍GEO数据库）

GEO Platform (GPL) 芯片平台

GEO Sample (GSM) 样本ID号

GEO Series (GSE) study 的ID号

GEO Dataset (GDS) 数据集的ID号

GEOquery 用法

常用函数，以及每个函数返回的对象该如何处理即可。

getGEO()  从GEO数据库下载数据或者打开本地数据

返回值：GDS / GSE / GSM / GPL   具体返回值取决于GEO的参数

 

GEO参数 决定下载的数据种类，GDS / GSE / GSM / GPL

filename参数 如果已经下载好了文件，直接读取

destdir参数  下载文件存放的地址，默认的是工作目录

GSEMatrix参数  若为TRUE，则下载Matrix文件；若为FALSE，则下载SOFT文件。默认为TRUE。

getGPL参数  若为TRUE，则下载GPL注释文件；若为FALSE，则不下载。默认为TRUE。

getGEOSuppFiles()  下载 supplementary data，包含 raw data

返回值：supplementary data

 

GEO参数  下载GSE的supplemental files

makeDirectory参数  若为TRUE，则默认新建文件夹并下载到里面；若为FALSE，则直接下载到工作目录。默认为TRUE。

baseDir参数  指定下载目录，默认为工作目录

getGEOfile()

gunzip() 解压gz格式的文件

返回值：从gz压缩文件中提起的文件。

 

filename参数  需要解压缩的文件名，可以为 list

destname参数  解压缩之后的文件名，默认去除 .gz$

overwrite参数  是否覆盖重名文件，默认为FALSE

remove参数  解压完是否删除原文件，默认为TRUE

 

这三个函数根据上面的四种ID下载数据的时候，返回的对象是不同的。

首先介绍 getGEO() 函数

-- gse1009 <- getGEO("GSE1009", destdir = ".")    # 根据GSE号下载数据，下载 ***_series_matrix.txt.gz 文件

-- gds858 <- getGEO("GDS858", destdir = ".")    # 根据GDS号下载数据，下载 soft 文件。 如果使用了 GSEMatrix = TRUE 这个参数，那么除了下载soft文件还会下载表达量矩阵文件，可以直接用read.table()函数读取

-- gpl96 <- getGEO("GPL96", destdir = ".")    # 根据GPL号下载的是芯片设计的信息

下载的文件都会保存在本地，destdir 参数用来指定下载地址。

getGEO()的比较重要的参数有：

GSEmatrix = TRUE

AnnotGPL = FALSE

getGPL = TRUE

根据返回对象的不同，针对返回对象的方法也不一样

下载GSE返回对象的处理函数

即直接根据GSE号返回的对象：gse1009

相应的处理函数有：

geneNames

sampleNames

pData

exprs

下面的操作得到一个数值矩阵

expr <- read.table("GSE26253_series_matrix.txt", comment.char = "!", stringAsFactors = F)

下载GDS返回对象的处理函数

gds858返回的对象很复杂

用 Table(gds858) 可以得到表达矩阵

用 Meta(gds858) 可以得到描述信息

用 GDS2eSet() 函数把它转变为 expression set 对象

library(GEOquery)
gds858 <- getGEO("GDS858", destdir = ".")
names(Meta(gds858))
Table(gds858)[1:5, 1:5]
eset <- GDS2eSet(gds858, do.log2 = TRUE)

g4100 <- GDS2eSet(getGEO("GDS4100"))
e4100 <- exprs(g4100)  # 这样e4100就是一个数值矩阵了，可以进行下游分析。

下载GPL返回对象的处理函数

 根据GPL号下载返回的对象也用 Table()  meta()处理

library(GEOquery)
gpl <- getGEO("GPL96", destdir = ".")
names(Meta(gpl96))
Table(gpl96)[1:10, 1:4]
## 下面这个就是芯片ID的基因注释信息
Table(gpl96)[1:10, c("ID", "GB_LIST", "Gene.Symbol", "Entres.Gene")]

getGEO() 函数除了可以下载数据，也可以打开本地数据，使用参数 filename 指定本地数据文件

gds858 <- getGEO(filename = "GDS858.soft.gz")