
好久没有做GEO数据挖掘了,这次又碰到了非常规的芯片平台GPL17586。这些芯片其实之前都做过许多次,但是一直没有怎么总结过,导致每次遇到都要重新整理,写一遍代码进行探针ID与Gene名转换。
这次遇到了,就记录下吧。网页下载GPL17586.txt,或复制以下链接去浏览器直接下载
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL17586&targ=self&form=text&view=data之后直接跑下面这段代码即可
ids <- data.table::fread("../data/GPL17586.txt",data.table = F)
colnames(ids)
probe2gene <- ids[,c(2,8)]
library(stringr)
probe2gene$symbol=trimws(str_split(probe2gene$gene_assignment,'//',simplify = T)[,2])
plot(table(table(probe2gene$symbol)),xlim=c(1,50))
head(probe2gene)
dim(probe2gene)
ids2 <- probe2gene[,c(1,3)]
colnames(ids2)
colnames(ids2) <- c("probe_id","symbol")
ids2 <- ids2[!ids2$symbol == "---",]
head(ids2)
ids2_filtered <- subset(ids2, !grepl("^(OTTHUMG|LOC)", symbol))
ids <- ids2_filtered
dim(ids)
head(ids)这样我们就拿到了对应关系,就可以进行下游的映射了,不难,但是每次要去整理就特别麻烦。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。