如果不太清楚如何挖掘GEO数据库的，可以先看
1. 四文搞定GEO数据库转录组差异分析之简介
1. 本文能解决的问题
在我们分析GEO数据的时候，总会遇到下面这样的GPL，没有gene symbol，也不太好转换。参考GEO芯片中的NM_，NR_开头的识别号如何转换成基因名称？等其他ID转换的文章，我们确实是可以完成任务，但是特别费时费力，而且总是得一种ID对应一种转换流程，很麻烦。
图片
当需要分析10个平台的时候，我们可能一个一个做，3天能做完，而如果当我们需要分析6000个平台的时候。。。
图片
本文主要针对没有symbol列的人/小鼠的芯片数据GPL文件进行自动、批量ID转换，对着电脑发会儿呆，GPL文件就处理好了。
2. 主要利用俩技术
正则表达式负责识别ID类型以及具体的每个ID
bioma****Rt包负责各种ID转换
3. 怎么用
-
后台回复GEO芯片分析，获取相关代码和文件
-
打开GPL_auto_ann.Rproj
图片
-
在Rstudio的右下窗口File栏中双击GPL_auto_ann.R
图片
-
修改第三行root_dir的目录名为GPL_auto_ann文件夹所在目录，以“/”斜杠分割，如此处为****D:/GPL_auto_ann
图片
-
将需要ID转换的GPL文件放入GPL_file文件夹
图片
-
Rstudio左上区域ctrl+A全选代码，然后
图片
一些声明：
-
本文并未针对大鼠ID转换写相应代码，请运行之前检查！
-
由于GPL文件现在挺大的，因此输出文件将覆盖源文件，并仅保留两列（ID 列和symbol列）
-
针对原来就已经有symbol列的GPL文件，代码并未做任何修改
感谢观看到最后，敬请批评指正!
网友评论