多个表达矩阵文件合并

我在GEO下载了一个表达文件，原始的count值是每个病人单独储存为一个文件。

 我把所有病人的表达值放在一个文件夹下面，可以看到每一个文件都有两列，第一列为gene symbol，第二列为count值，并且每个病人的gene symbol排列顺序完全一致。

接下来，开始在R中读取文件。

#清空环境变量
rm(list = ls())
options(stringsAsFactors = F)

#列出目前文件下所有文件名，共有250个病人，250个文件。
fs=list.files("GSE106291_RAW/")

#把读取文件操作命名为一个函数，我们只读取文件下第2列count值，symbol名字不需要。
read <- function(x){
  read.table(file.path('GSE106291_RAW/',x))[,2]
}

#按照文件名批量读取数据，得到的exp是一个list
exp <- lapply(fs,read)

#将list按列合并为矩阵（list十分规则，250个元素，每个元素含有23368个数值）
exp <- do.call(cbind,exp);dim(exp)
##[1] 23368   250

#读取其中一个样本，提取sambol列，给exp加上行名
sample1 <- read.table("GSE106291_RAW/GSM2835244_GEO-13_htseq_counts.txt")
rownames(exp) <- sample1$V1

fs[1:5]
##[1] "GSM2835244_GEO-13_htseq_counts.txt" "GSM2835245_GEO-14_htseq_counts.txt"
##[3] "GSM2835246_GEO-15_htseq_counts.txt" "GSM2835247_GEO-16_htseq_counts.txt"
#从fs中提取列名，列名为GSM283****，为前十个字符串
library(stringr)
colnames(exp) <- str_sub(fs,1,10)

 

exp[1:5,1:5]
###            GSM2835244 GSM2835245 GSM2835246 GSM2835247 GSM2835248
###1/2-SBSRNA4         72          0          8         68         23
###A1BG               270         84         22        245        380
###A1BG-AS1            32         59          7         60        126
###A1CF                 0          0          0          0          0
###A2LD1               14          4         18         19         35

这样就可以得到一个完整的表达矩阵。