第一个万能芯片探针ID注释平台R包

2022-12-03 06:14| 来源: 网络整理| 查看: 265

昨天发布了 GEO数据库中国区镜像横空出世，粉丝们都很happy，因为确实解决了他们的一个拦路虎，以后下载GEO数据再也不用去网吧了。然后开始接近粉丝们的第二个需求，就是探针的ID注释问题。这是一个系列推文，我会推出3个R包，

第一个是整合全部的bioconductor里面的芯片探针注释包。第二个是整合全部GPL的soft文件里面的芯片探针注释包。第三个是下载全部的GPL的soft文件里面的探针碱基序列比对后注释包。

一般有三种方法可以得到芯片探针与gene的对应关系：

金标准当然是去基因芯片的厂商的官网直接去下载啦一种是直接用bioconductor的包。一种是从NCBI里面下载文件来解析好！

首先，我们说官网，肯定可以找到，不然这种芯片出来就没有意义了！然后，我们看看NCBI下载的，会比较大

http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL6947

不过，这两种方法都比较麻烦，需要自行摸索很多才能获得比较高质量的芯片注释关系。但是R的bioconductor包其实是有芯片探针与gene的对应关系的，一般重要的芯片在R的bioconductor里面都是有包的。

但是用户需要每个R包独立下载安装后获取芯片探针注释信息

比如下面的这些芯片：

gpl bioc_package title GPL201 hgfocus [HG-Focus] Affymetrix Human HG-Focus Target Array GPL96 hgu133a [HG-U133A] Affymetrix Human Genome U133A Array GPL571 hgu133a2 [HG-U133A_2] Affymetrix Human Genome U133A 2.0 Array GPL97 hgu133b [HG-U133B] Affymetrix Human Genome U133B Array GPL570 hgu133plus2 [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array GPL13667 hgu219 [HG-U219] Affymetrix Human Genome U219 Array GPL8300 hgu95av2 [HG_U95Av2] Affymetrix Human Genome U95 Version 2 Array GPL91 hgu95av2 [HG_U95A] Affymetrix Human Genome U95A Array GPL92 hgu95b [HG_U95B] Affymetrix Human Genome U95B Array GPL93 hgu95c [HG_U95C] Affymetrix Human Genome U95C Array GPL94 hgu95d [HG_U95D] Affymetrix Human Genome U95D Array GPL95 hgu95e [HG_U95E] Affymetrix Human Genome U95E Array GPL887 hgug4110b Agilent-012097 Human 1A Microarray (V2) G4110B (Feature Number version) GPL886 hgug4111a Agilent-011871 Human 1B Microarray G4111A (Feature Number version) GPL1708 hgug4112a Agilent-012391 Whole Human Genome Oligo Microarray G4112A (Feature Number version) GPL13497 HsAgilentDesign026652 Agilent-026652 Whole Human Genome Microarray 4x44K v2 (Probe Name version) GPL6244 hugene10sttranscriptcluster [HuGene-1_0-st] Affymetrix Human Gene 1.0 ST Array [transcript (gene) version] GPL11532 hugene11sttranscriptcluster [HuGene-1_1-st] Affymetrix Human Gene 1.1 ST Array [transcript (gene) version] GPL6097 illuminaHumanv1 Illumina human-6 v1.0 expression beadchip GPL6102 illuminaHumanv2 Illumina human-6 v2.0 expression beadchip GPL6947 illuminaHumanv3 Illumina HumanHT-12 V3.0 expression beadchip GPL10558 illuminaHumanv4 Illumina HumanHT-12 V4.0 expression beadchip GPL6885 illuminaMousev2 Illumina MouseRef-8 v2.0 expression beadchip GPL81 mgu74av2 [MG_U74Av2] Affymetrix Murine Genome U74A Version 2 Array GPL82 mgu74bv2 [MG_U74Bv2] Affymetrix Murine Genome U74B Version 2 Array GPL83 mgu74cv2 [MG_U74Cv2] Affymetrix Murine Genome U74 Version 2 Array GPL339 moe430a [MOE430A] Affymetrix Mouse Expression 430A Array GPL6246 mogene10sttranscriptcluster [MoGene-1_0-st] Affymetrix Mouse Gene 1.0 ST Array [transcript (gene) version] GPL340 mouse4302 [MOE430B] Affymetrix Mouse Expression 430B Array GPL1261 mouse430a2 [Mouse430_2] Affymetrix Mouse Genome 430 2.0 Array GPL8321 mouse430a2 [Mouse430A_2] Affymetrix Mouse Genome 430A 2.0 Array

如果用户需要对GPL570 hgu133plus2 [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array进行注释，就需要：

library(hgu133plus2.db) ids=toTable(hgu133plus2SYMBOL) head(ids)

得到的信息如下：

> head(ids) probe_id symbol 1 1053_at RFC2 2 117_at HSPA6 3 121_at PAX8 4 1255_g_at GUCA1A 5 1316_at THRA 6 1320_at PTPN21 >

很多时候，用户是找不到这些GPL平台对应的R包，或者下载安装困难，其实仅仅是需要探针与基因对应关系，没有必要去下载安装这几十个M的包。

安装我的idmap1包library(devtools) install_github("jmzeng1314/idmap1") library(idmap1)

获取同样的GPL570 hgu133plus2 [HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array注释信息，一行代码就搞定！

ids=getIDs('gpl570') head(ids)

是不是很方便啦！

一个芯片数据挖掘实战

结合我们昨天的发布的 GEO数据库中国区镜像横空出世，随时随地方便下载GEO数据集，并且进行ID转换！

library(GEOmirror) library(idmap1) geoChina('gse6222') load('GSE6222_eSet.Rdata') gset a=exprs(gset[[1]]) a[1:4,1:4] gset[[1]]@annotation b=getIDs("GPL570") head(b) 还有一个小功能

就是对基因名字进行注释

IDs IDs ID_type = "SYMBOL" > annoGene(IDs, ID_type) SYMBOL biotypes ENSEMBL chr start end 1 DDX11L1 transcribed_unprocessed_pseudogene ENSG00000223972 chr1 11869 14409 5 OR4G4P unprocessed_pseudogene ENSG00000268020 chr1 52473 53312 7 OR4F5 protein_coding ENSG00000186092 chr1 65419 71585 Warning message: In annoGene(IDs, ID_type) : 25% of input IDs are fail to annotate... >

同样的，我们前面注释好的探针基因对应关系，也可以进行进一步注释：

ids=getIDs('gpl570') head(ids) annoGene(ids$symbol,'SYMBOL')

得到如下的注释结果：

更多表达芯片的公共数据库挖掘系列更多教程，见推文；

解读GEO数据存放规律及下载，一文就够解读SRA数据库规律一文就够从GEO数据库下载得到表达矩阵一文就够GSEA分析一文就够（单机版+R语言版）根据分组信息做差异分析- 这个一文不够的差异分析得到的结果注释一文就够

【本文地址】

公司简介

联系我们