数据整理是数据分析的前提,而数据的正确提取则是数据整理的前提。
这次曾老师交代了一个作业,希望对两个GEO转录组的数据(GSE216943, GSE236049)进行差异分析。
从GEO数据库中可以发现,这两个数据集都需要下载研究者整理好的原始数据进行整合。
GSE216943数据集:

GSE236049数据集:

针对GSE216943数据集,我仅下载了count数据,然后循环读取(如下是其中一个count文件的样式,里边的列名是id和样本名称)

然而针对GSE236049数据集,我发现研究者把文件整理的很棒,但是对于生信菜鸟的我有点不知道怎么合理的读取并处理信息(如下是其中一个文件,里边有基因名称,FPKM,TPM等值)。

没办法,只好去向曾老师求助了hhhh 。曾老师立刻发给我了一份其他高手处理的流程6666666。最后这位高手的代码也解决了困扰我的问题。
为此,我也顺便把多种提取转录组数据的方法整理了一下,以供大家参考。
转录组数据提取技巧汇总
提取数据前,我们都需要注意获得的数据是count还是tpm数据(首选count数据),只有这两种格式的可以进行差异分析。其他类型的数据如log2cpm,fpkm,rpkm在进行差异表达分析时,需要重新修正为count或者tpm数据。
情况1.可以通过get_count_txt函数获得count数据
library(tinyarray)
get_count_txt("GSE242333")
exp = read.table("GSE242333_raw_counts_GRCh38.p13_NCBI.tsv.gz",check.names = F,row.names = 1,header = T)
复制网址就可以自动下载数据,之后读取即可。
9650



被折叠的 条评论
为什么被折叠?



