芯片数据分析（新手探索ing，不建议借鉴）

作为实验室生信分析的二把刀，狗哥早上给我发了一个数据说让我帮他看看

我打开一看是安捷伦的芯片数据，ono傻眼了

开始搜教程，建明老师yyds

https://mp.weixin.qq.com/s/k1Br-W-ukKFMg9PBMqUt9A

贴上我的代码保存一下，以后发现错误了及时改正

---

数据是GSE111974，进去芯片是GPL17077

数据我下载的GSE里的，R里用包下载我一直报错

芯片注释的匹配用excel整的，毕竟我是个R都搞不明白的人

#-------------读入原始文件路径--------------------------------

files = dir(path = ".",pattern = "txt",full.names = T,recursive = T)

x <- read.maimages(files, source="agilent", green.only=TRUE,other.columns = "gIsWellAboveBG")

#-------背景噪音矫正----------

data.bg <- backgroundCorrect(x,method = "normexp")#输出Large ElistRaw结果

#-------标准化-----------

#在这里需要注意，data.norm为Large Elist结果，此时表达量为log2形式保存。

data.norm <- normalizeBetweenArrays(data.bg,method = "quantile")

class(data.norm)

#------------基因过滤----------------

#https://mp.weixin.qq.com/s/k1Br-W-ukKFMg9PBMqUt9A

#去除对照探针

Control <- data.norm$genes$ControlType==1L;table(Control)

#去除匹配不到genesymbol的探针

NoSymbol <- is.na(data.norm$genes$ProbeName);table(NoSymbol)

#去表达探针（至少在一半样本中高于背景）

IsExpr <- rowSums(data.norm$other$gIsWellAboveBG > 0) >= 24;table(IsExpr)

#测到多次的基因，只保留一个探针

Isdup <- duplicated(data.norm$genes$ProbeName);table(Isdup)

datafilt <- data.norm[!control & !NoSymbol & IsExpr & !Isdup, ]

dim(datafilt)

exp = datafilt@.Data[[1]]

boxplot(exp)

exp[1:2,1:2]

#获得样本名

colnames(exp) = str_extract(colnames(exp),"GSM\\d*")

exp[1:2,1:2]

anno = datafilt$genes

nrow(anno);nrow(exp)

rownames(exp)=rownames(anno)

ids = unique(anno$ProbeName)

exp = exp[!duplicated(anno$ProbeName),]

rownames(exp) = ids

exp[1:4,1:4]

write.csv(exp,"data.csv")

#---差异分析---

group_list = c(rep('control',24),rep('RIF',24))

colData = data.frame(row.names = colnames(exp),group_list = group_list)

design <- model.matrix(~group_list)

fit <- lmFit(exp,design)

fit <- eBayes(fit,trend=TRUE,robust=TRUE)

summary(decideTests(fit))

deg = topTable(fit,coef=2,n=dim(data.norm)[1])

boxplot(exp[rownames(deg)[1],]~group_list)

save(exp,group_list,deg,gse,file = paste0(gse,"deg.Rdata"))

最终结果和文章里的FoldChange不一样，但是显著基因还是OK的

有时间了好好琢磨一下