数据预处理——以GSE3494为例

来源：互联网发布：什么是js文件编辑：程序博客网时间：2024/05/16 01:49

1、数据读取

1）读取excel文件——GEO中Series Matrix File(s)是预处理过的基因表达矩阵，用excel打开删掉注释信息，获得行为探针，列为样本的基因表达矩阵。

read.table(),read.csv(),read.delim()直接读取EXCEl文件时，都会遇到一下问题：“在读取‘.xls’的TableHeader时遇到不完全的最后一行”。

解决的方法有以下几种：假如文件1.1中是一个6乘以2的矩阵，元素为：

123224325426527628

方法1：xls另存为csv格式然后用read.csv：

> data<-read.csv("D:\\work\\data\\1.csv")

> data
  X1 X23
1  2     24
2  3     25
3  4     26
4  5     27
5  6     28
> data<-read.csv("D:\\work\\data\\1.csv",header = F)
> data
  V1    V2
1  1 23333
2  2    24
3  3    25
4  4    26
5  5    27
6  6    28
> data<-read.csv("D:\\work\\data\\1.csv",header = T)
> data
  X1 X23333
1  2     24
2  3     25
3  4     26
4  5     27
5  6     28
也就是说header = T（TURE）是默认的状态，在这默认状态下，输出的data矩阵是一个5乘以2的矩阵，第一行作为了data的名字，如果header = F（FALSE），则会现实原始的矩阵结果。

方法二： xls另存为txt格式然后用read.table：

> data<-read.table("D:\\work\\data\\1.txt",header = T)

> data
  X1 X23
1  2  24
2  3  25
3  4  26
4  5  27
5  6  28

> data<-read.table("D:\\work\\data\\1.txt",header = F)
> data
  V1 V2
1  1 23
2  2 24
3  3 25
4  4 26
5  5 27
6  6 28

方法二：打开EXCEL，全选里面的内容，点击复制，然后在R中输入一下命令：

> data <- read.table("clipboard", header = T, sep = '\t')

> data
  X1 X23
1  2  24
2  3  25
3  4  26
4  5  27
5  6  28
> data <- read.table("clipboard", header = F, sep = '\t')
> data
  V1 V2
1  1 23
2  2 24
3  3 25
4  4 26
5  5 27
6  6 28

2) 读取rawdata——用tcltk或者GEOquery

gds<-getGEO（GEO=“GSE3494”,destdir=getwd()）;%下载Series Matrix File(s)

getGEOSuppFiles(GEO="GSE3494",baseDir=getwd());%下载Rawdata

setwd到文件夹GSE5563

untar("GSE5563_RAW.tar",exdir="data")

,其中data文件夹中

celpath<-paste(getwd(),"data",sep="/")

setwd（celpath）

=====================================================

raw_data<-ReadAffy()
> class(raw_data)
[1] "AffyBatch"
attr(,"package")
[1] "affy"

=====================================================

2、质量控制——看RLE箱线图和NUSE箱线图

Pset<-fitPLM(raw_data);对数据集做回归计算

Mbox(Pset):RLE,RLE值都在0附近

boxplot(Pset);NUSE，NUSE值都在1附近

3、数据预处理——背景校正、标准化和估计表达值，总体方针是用rma处理，看直方图和箱线图

hist(raw_data)%直方图

hist(raw_data_rma)

hist(raw_data_mas5)

boxplot(raw_data)%箱线图

boxplot(raw_data_rma)

boxplot(raw_data_mas5)

0 0