十几个GSE数据要下载

十几个GSE数据要下载

问题

为了筹备GEO更高级的课程，老板丢过来十几个带坑的GSE数据让我分析。第一步当然是下载数据，众所周知GEO慢得要死，不想等，所以就想有个循环，运行上让他慢慢下载，我可以一边玩去。
任务丢过来长这样：
E-MEXP-1422（找不到探针id）/ GSE474/
E-MTAB-3017（找不到探针id）/ GSE58979-NASH（从临床信息中找不到有用的分组信息/
GSE1462/ GSE59045/
GSE18732（探针id转换问题）/ GSE60291/
GSE20950/ GSE62832（不显著，可能需要重新分组）/
GSE21785/ GSE70529（可能需要重新分组）/
GSE26526/ GSE72158（FC太小）/
GSE32575（阈值需要调整）/ illuminaHGv4/
GSE43837/ MsigDB/

这些都要下载，首先是不是要先提取出来要下载的GSE编号呢？然后写个循环就得了。

第一步：提取所有GSE编号

x = "E-MEXP-1422（找不到探针id）/  GSE474/
E-MTAB-3017（找不到探针id）/  GSE58979-NASH（从临床信息中找不到有用的分组信息/
GSE1462/                      GSE59045/
GSE18732（探针id转换问题）/   GSE60291/
GSE20950/                     GSE62832（不显著，可能需要重新分组）/
GSE21785/                     GSE70529（可能需要重新分组）/
GSE26526/                     GSE72158（FC太小）/
GSE32575（阈值需要调整）/     illuminaHGv4/
GSE43837/                     MsigDB/"
library(stringr)
x2 = str_split(x,"/")%>% unlist()
x2

##  [1] "E-MEXP-1422（找不到探针id）"                              
##  [2] "  GSE474"                                                 
##  [3] "\nE-MTAB-3017（找不到探针id）"                            
##  [4] "  GSE58979-NASH（从临床信息中找不到有用的分组信息"        
##  [5] "\nGSE1462"                                                
##  [6] "                      GSE59045"                           
##  [7] "\nGSE18732（探针id转换问题）"                             
##  [8] "   GSE60291"                                              
##  [9] "\nGSE20950"                                               
## [10] "                     GSE62832（不显著，可能需要重新分组）"
## [11] "\nGSE21785"                                               
## [12] "                     GSE70529（可能需要重新分组）"        
## [13] "\nGSE26526"                                               
## [14] "                     GSE72158（FC太小）"                  
## [15] "\nGSE32575（阈值需要调整）"                               
## [16] "     illuminaHGv4"                                        
## [17] "\nGSE43837"                                               
## [18] "                     MsigDB"                              
## [19] ""

x2 = str_replace_all(x2,c("\n"," "),"")
x2

##  [1] "E-MEXP-1422（找不到探针id）"                    
##  [2] "GSE474"                                         
##  [3] "E-MTAB-3017（找不到探针id）"                    
##  [4] "GSE58979-NASH（从临床信息中找不到有用的分组信息"
##  [5] "GSE1462"                                        
##  [6] "GSE59045"                                       
##  [7] "GSE18732（探针id转换问题）"                     
##  [8] "GSE60291"                                       
##  [9] "GSE20950"                                       
## [10] "GSE62832（不显著，可能需要重新分组）"           
## [11] "GSE21785"                                       
## [12] "GSE70529（可能需要重新分组）"                   
## [13] "GSE26526"                                       
## [14] "GSE72158（FC太小）"                             
## [15] "GSE32575（阈值需要调整）"                       
## [16] "illuminaHGv4"                                   
## [17] "GSE43837"                                       
## [18] "MsigDB"                                         
## [19] ""

x2 = x2[str_starts(x2,"GSE")]
x2

##  [1] "GSE474"                                         
##  [2] "GSE58979-NASH（从临床信息中找不到有用的分组信息"
##  [3] "GSE1462"                                        
##  [4] "GSE59045"                                       
##  [5] "GSE18732（探针id转换问题）"                     
##  [6] "GSE60291"                                       
##  [7] "GSE20950"                                       
##  [8] "GSE62832（不显著，可能需要重新分组）"           
##  [9] "GSE21785"                                       
## [10] "GSE70529（可能需要重新分组）"                   
## [11] "GSE26526"                                       
## [12] "GSE72158（FC太小）"                             
## [13] "GSE32575（阈值需要调整）"                       
## [14] "GSE43837"

x3 = str_split(x2,"（",simplify = T)
x4 = as.character(x3[,1])
x4

##  [1] "GSE474"        "GSE58979-NASH" "GSE1462"       "GSE59045"     
##  [5] "GSE18732"      "GSE60291"      "GSE20950"      "GSE62832"     
##  [9] "GSE21785"      "GSE70529"      "GSE26526"      "GSE72158"     
## [13] "GSE32575"      "GSE43837"

x4 = str_replace(x4,"-NASH","")
x4

##  [1] "GSE474"   "GSE58979" "GSE1462"  "GSE59045" "GSE18732" "GSE60291"
##  [7] "GSE20950" "GSE62832" "GSE21785" "GSE70529" "GSE26526" "GSE72158"
## [13] "GSE32575" "GSE43837"

第二步：写for循环下载

library(GEOquery)
bg = list()
for (i in 1:length(x4)){
  bg[[i]] <- getGEO(x4[[i]], #系列编号
               destdir = '.', #当前目录
               getGPL = F)
}
names(bg) = x4
dir(pattern = ".gz")
# [1] "GSE1462_series_matrix.txt.gz"  "GSE18732_series_matrix.txt.gz"
# [3] "GSE20950_series_matrix.txt.gz" "GSE21785_series_matrix.txt.gz"
# [5] "GSE26526_series_matrix.txt.gz" "GSE32575_series_matrix.txt.gz"
# [7] "GSE43837_series_matrix.txt.gz" "GSE474_series_matrix.txt.gz"  
# [9] "GSE58979_series_matrix.txt.gz" "GSE59045_series_matrix.txt.gz"
# [11] "GSE60291_series_matrix.txt.gz" "GSE62832_series_matrix.txt.gz"
# [13] "GSE70529_series_matrix.txt.gz" "GSE72158_series_matrix.txt.gz"
save(bg,file = "bg.Rdata")

这样就把所有要用的数据存在了bg这个列表里面，等用到的时候单个提取就可以了。
需要注意数据下载的完整性！数据不完整将会导致一系列的诡异错误。
网好的时候刷刷刷就下完了，网不好的话，嗯你懂的，出现不完整的数据，需要删掉已下载的数据，再重新下载，getGEO函数自带判断，本地没有.gz文件，才会去网页下载！所以重新下载时就重复运行for循环即可。至于下的顺利不顺利呢，还也就行吧，第一次有几个没下完整，删掉重下，加起来一两个小时吧。
致敬大佬：https://www.yuque.com/xiaojiewanglezenmofenshen/kzgwzl/cfxd1t