GEOquery包下载GEO数据

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

BiocManager::install("GEOquery")

## ??GEOquery # 查看包信息

downloadGSE <- function(gse_id,des_dir="."){
  # 下载GEO数据集的表达谱数据和表型数据到指定目录默认为当前路径)，
  # 分别保存为csv文件。
  # 输入为GEO号以及文件保存路径；函数返回表达谱数据和表型数据的列表。
  library(GEOquery)
  gse <- getGEO(gse_id,destdir = des_dir) # 同时下载了GPL文件
  exprSet <- exprs(gse[[1]]) # 基因表达矩阵
  pdata<- pData(gse[[1]]) # 分组信息，原始文件地址等
  write.csv(exprSet,paste0(gse_id,"_exprSet.csv")) # 写入csv文件
  write.csv(pdata,paste0(gse_id,"_metadata.csv"))
  return(list(exprSet,pdata))
}

## 测试代码
setwd("/Users/zhengxueming/scripts/R_scripts/test")
my_data <- downloadGSE("GSE2816")  # 芯片数据
my_data <- downloadGSE("GSE183437") # 测序数据

exprSet <- my_data[[1]]  # 基因表达矩阵"matrix" "array"
pdata <- my_data[[2]]  # 表型data.frame 

# 下载supplemental files数据。芯片方法一般是原始TAR (of CEL)数据，
# 高通量测序方法一般是表达谱数据。
# 原始数据不一定提供
getGEOSuppFiles("GSE183437", makeDirectory = TRUE, baseDir = getwd(),
                fetch_files = TRUE, filter_regex = NULL) # 测序，表达谱

getGEOSuppFiles("GSE178318", makeDirectory = TRUE, baseDir = getwd(),
                fetch_files = TRUE, filter_regex = NULL)

# 高通量测序数据可以从SRA 数据库下载。

# 单独下载GPL文件
gpl <- getGEO("GPL4", destdir=".")