R -- SummarizedExperiment

参考链接

1.知乎博文

2.bioconductor
https://www.bioconductor.org/packages/release/bioc/vignettes/SummarizedExperiment/inst/doc/SummarizedExperiment.html

brief

SummarizedExperiment package 包含两个类，一个是SummarizedExperiment，一个是RangedSummarizedExperiment。

SummarizedExperiment（SE）对象是一个矩阵样容器，rows 行为特征(e.g. genes, transcripts, exons, etc.)，columns列为样本。每个对象储存着一个或多个samples样本的观测结果，以及用于描述特征信息(features)和样本信息 (phenotypes) 的额外元数据（metadata）。

通俗一点来说就是，现在有一个gene表达矩阵，每一行记录的是一个gene的表达量信息，每一列对应一个样品中该gene的表达值。然后，SummarizedExperiment（SE）对象额外记录了一张表，这张表记录了每个gene基因组坐标，长度等信息。同时，SummarizedExperiment（SE）对象还额外记录了一张表，这张表记录了每个样品的一些信息。

或者直接认为SummarizedExperiment（SE）对象保存了多张表，每张表通过关键列进行关联，然后提供发了对应的函数获取每一张表格的数据。其中核心表的rowname & colname 是其他表的关键列。

RangedSummarizedExperiment对象，是SE的子类，和SE的区别就是SE对象的rowname 是gene name，RangedSummarizedExperiment对象的rowname 是 genomic ranges。

获取对象

The airway package contains an example dataset from an RNA-Seq experiment of read counts per gene for airway smooth muscles. These data are stored in a RangedSummarizedExperiment object which contains 8 different experimental and assays 64,102 gene transcripts.

library(SummarizedExperiment)
data(airway, package="airway")
se <- airway
se

## class: RangedSummarizedExperiment 
## dim: 63677 8 
## metadata(1): ''
## assays(1): counts
## rownames(63677): ENSG00000000003 ENSG00000000005 ... ENSG00000273492
##   ENSG00000273493
## rowData names(10): gene_id gene_name ... seq_coord_system symbol
## colnames(8): SRR1039508 SRR1039509 ... SRR1039520 SRR1039521
## colData names(9): SampleName cell ... Sample BioSample

• 调用表达数据（根据assay名或者索引号）

assays(se)$counts  
#或者 
# assay(se,1)
# 获取第一个assay还可以
# assay(se) 

• 调看samples数据、基因feature信息

colData（se）
# 调看基因feature信息
rowRanges(se)
rowData（se）

构建对象

# 实验数据
nrows <- 200
ncols <- 6
counts <- matrix(runif(nrows * ncols, 1, 1e4), nrows)

# 特征信息
rowRanges <- GRanges(rep(c("chr1", "chr2"), c(50, 150)),
                    IRanges(floor(runif(200, 1e5, 1e6)), width=100),
                    strand=sample(c("+", "-"), 200, TRUE),
                    feature_id=sprintf("ID%03d", 1:200))

# 样本信息
colData <- DataFrame(Treatment=rep(c("ChIP", "Input"), 3),
                     row.names=LETTERS[1:6])
# 原数据
metadata <- "这是关于如何一个创建SE的说明对象" 

se <- SummarizedExperiment(assays=list(counts=counts),
                           rowRanges=rowRanges, 
                           colData=colData，
                           metadata=metadata)