数据挖掘—GEO,TCGA,Oncomine联合（四）对于下载的原始数据进行处理

系列文章目录

数据挖掘—GEO,TCGA,Oncomine联合数据(一)挖掘概述

数据挖掘—GEO,TCGA,Oncomine联合（二）GEO在线工具的应用

数据挖掘—GEO,TCGA,Oncomine联合（三）GEO数据的下载和数据质量分析

---

前言

数据需要：之前所下载的原始数据（下载数据时，最好是cel文件）

---

一、步骤

将下载的原始数据进行解压，并分别建立tumor与normal两个文件夹，将属于tumor或者normal的样本分别拖入文件夹中（cel文件拖入）

打开R的ide分别对数据进行处理

二、使用代码

RMA法预处理normal样本
setwd("")
library(affyPLM)
library(affy)
Data<-ReadAffy()
sampleNames(Data)
N=length(Data)
#用RMA预处理数据
eset.rma<-rma(Data)
#获取表达数据并输出到表格
normal_exprs<-exprs(eset.rma)
probeid<-rownames(normal_exprs)
normal_exprs<-cbind(probeid,normal_exprs)
write.table(normal_exprs,file="normal.expres.txt",sep='\t',quote=F,row.names=F)

RMA法预处理tumor样本
setwd("")
library(affyPLM)
library(affy)
Data<-ReadAffy()
sampleNames(Data)
N=length(Data)
#用RMA预处理数据
eset.rma<-rma(Data)
#获取表达数据并输出到表格
normal_exprs<-exprs(eset.rma)
probeid<-rownames(normal_exprs)
normal_exprs<-cbind(probeid,normal_exprs)
write.table(normal_exprs,file="tumor.expres.txt",sep='\t',quote=F,row.names=F)
合并N和T的数据
#setwd(" ")
normal_exprs<-read.table("normal.expres.txt",header=T,sep="\t")
tumor_exprs<-read.table("tumor.expres.txt",header=T,sep="\t")
#讲T和N合并
probe_exprs<-merge(normal_exprs,tumor_exprs,by="probeid")
write.table(probe_exprs,file="cancer.probeid.exprs.txt",sep='\t',quote=F,row.names=F)

这就已经将数据处理完了，最后会将两个类型的样本合并到一个文件。

---

总结

本章主要是讲解了对于下载的原始数据进行处理

下一章我会讲解（五）寻找差异基因及制作热图和火山图

最后我所做的所有分析与教程的代码都会在我的个人公众号中，请打开微信搜索“生信学徒”进行关注，欢迎生信的研究人员和同学前来讨论分析。
ps：公众号刚刚建立比较简陋，但是该有的内容都不会少。