芯片数据分析步骤7 合并重复探针

合并重复探针

合并探针的原因

为了避免非特异性结合等干扰因素影响实验结果，芯片厂商往往采取多个探针检测同一基因表达的策略，从而导致注释探针后发现许多探针被注释为同一个基因。但在后续的分析中，程序往往不能接受表达矩阵中存在多个探针对应同一基因。因此，在进行后续分析之前，我们需要选取一个标准，对被注释为同一基因的探针进行合并。唯一要注意的是，要在过滤后再合并重复探针。

合并重复探针的方法

1 使用R语言合并重复探针

这个方法要求有一定的R语言功底。一般来说，我们会选择用探针的最大值或是中位数来合并重复探针。意思是只留下统计量最大的探针，其他都筛掉。这种方法能够一定程度上增加差异基因的数目，但也容易造成假阳性的结果。

使用ALL包的ALL数据作为例子。为了省时间和突出重点，在下文的例子中就先不对探针进行过滤。按照正常的步骤，应该先对探针进行过滤，然后才能进行合并重复探针的操作。

先注释探针。每个步骤的目的请见注释探针。

library(ALL)
data(ALL)
library(hgu95av2.db)
probe2symbol <- toTable(hgu95av2SYMBOL)
exprSet <- as.data.frame(exprs(ALL)) 
exprSet$probe_id <- rownames(exprSet)
exprSet_symbol <- merge(probe2symbol,