【GEOquery包学习】

GEOquery包学习

记住GEO四种标志——GPL、GDS、GSE、GSM。

关键函数getGEO，

用getGEO取四种对象，

1、GDS是GDS文件，

gds <- getGEO("GDS507")

GEO官网上说该数据集为GPL97、有17个样本。

GDS对象包含GPL对象，GEODataTable（包含临床信息和表达矩阵），list（包含一些附注）。

2、最重要的GSE，

gse <- getGEO("GSE781",GSEMatrix=FALSE)gse2553 <- getGEO('GSE2553',GSEMatrix=TRUE)

上面两种的区别在于，第一种是一个GSE文件，包含list（包含一些附注）、另一个list（包含所有GSM文件）也就是说、一堆GPL。第二种是一个只有一个元素的list，元素是expressionSet（内含MIAME文件、AnnotatedDataFrame、Version），这些文件格式均来自biobase包。

GSE和GDS区别在于：GDS中患者的表达矩阵和分组都在datatable里面，且所有患者只有都是一个GPL。GSE中可以有多个GPL。

3、GSM是GSM文件，包含GEODataTable、list。

gds <- getGEO("GSM11805")

4、GPL

gpl <- getGEO(filename=system.file("extdata/GPL97.annot.gz",package="GEOquery"))

gpl内含GEODataTable、list。

转变为ExpressionSets或者limma MALists，

GSE对象转变为ExpressionSets

gse2553 <- getGEO('GSE2553',GSEMatrix=TRUE)

要注意，上面的2553恰好所有对象都是一个GPL，如果一个GSE有多个GPL要先过滤然后取出里面的表达矩阵、分组信息，自己创建一个ExpressionSets。

GDS对象转变为ExpressionSets

eset <- GDS2eSet(gds,do.log2=TRUE)

GDS转变为MAList

MA <- GDS2MA(gds,GPL=gpl)