GEOquery 是 bioconductor 項目下的一個R包
官網：http://www.bioconductor.org/packages/release/bioc/html/GEOquery.html
下載安裝：
if (!requireNamespace("BiocManager", quietly = TRUE)) install.packages("BiocManager") BiocManager::install("GEOquery")
GEO 是由NCBI負責維護的一個數據庫，期初是有芯片數據，后來增加了甲基化芯片和高通量測序數據。
只要看到文獻里面有提到 GEO 數據庫，都可以通過這個R包來進行批量下載，其實就是網頁版的一個API調用而已。
GEO 數據庫基礎知識（有另一篇博文專門介紹GEO數據庫）
GEO Platform (GPL) 芯片平台
GEO Sample (GSM) 樣本ID號
GEO Series (GSE) study 的ID號
GEO Dataset (GDS) 數據集的ID號
GEOquery 用法
常用函數，以及每個函數返回的對象該如何處理即可。
getGEO() 從GEO數據庫下載數據或者打開本地數據
返回值：GDS / GSE / GSM / GPL 具體返回值取決於GEO的參數
GEO參數 決定下載的數據種類，GDS / GSE / GSM / GPL
filename參數 如果已經下載好了文件，直接讀取
destdir參數 下載文件存放的地址，默認的是工作目錄
GSEMatrix參數 若為TRUE，則下載Matrix文件；若為FALSE，則下載SOFT文件。默認為TRUE。
getGPL參數 若為TRUE，則下載GPL注釋文件；若為FALSE，則不下載。默認為TRUE。
getGEOSuppFiles() 下載 supplementary data，包含 raw data
返回值：supplementary data
GEO參數 下載GSE的supplemental files
makeDirectory參數 若為TRUE，則默認新建文件夾並下載到里面；若為FALSE，則直接下載到工作目錄。默認為TRUE。
baseDir參數 指定下載目錄，默認為工作目錄
getGEOfile()
gunzip() 解壓gz格式的文件
返回值：從gz壓縮文件中提起的文件。
filename參數 需要解壓縮的文件名，可以為 list
destname參數 解壓縮之后的文件名，默認去除 .gz$
overwrite參數 是否覆蓋重名文件，默認為FALSE
remove參數 解壓完是否刪除原文件，默認為TRUE
這三個函數根據上面的四種ID下載數據的時候，返回的對象是不同的。
首先介紹 getGEO() 函數
-- gse1009 <- getGEO("GSE1009", destdir = ".") # 根據GSE號下載數據，下載 ***_series_matrix.txt.gz 文件
-- gds858 <- getGEO("GDS858", destdir = ".") # 根據GDS號下載數據，下載 soft 文件。 如果使用了 GSEMatrix = TRUE 這個參數，那么除了下載soft文件還會下載表達量矩陣文件，可以直接用read.table()函數讀取
-- gpl96 <- getGEO("GPL96", destdir = ".") # 根據GPL號下載的是芯片設計的信息
下載的文件都會保存在本地，destdir 參數用來指定下載地址。
getGEO()的比較重要的參數有：
GSEmatrix = TRUE
AnnotGPL = FALSE
getGPL = TRUE
根據返回對象的不同，針對返回對象的方法也不一樣
下載GSE返回對象的處理函數
即直接根據GSE號返回的對象：gse1009
相應的處理函數有：
geneNames
sampleNames
pData
exprs
下面的操作得到一個數值矩陣
expr <- read.table("GSE26253_series_matrix.txt", comment.char = "!", stringAsFactors = F)
下載GDS返回對象的處理函數
gds858返回的對象很復雜
用 Table(gds858) 可以得到表達矩陣
用 Meta(gds858) 可以得到描述信息
用 GDS2eSet() 函數把它轉變為 expression set 對象
library(GEOquery) gds858 <- getGEO("GDS858", destdir = ".") names(Meta(gds858)) Table(gds858)[1:5, 1:5]
eset <- GDS2eSet(gds858, do.log2 = TRUE)
g4100 <- GDS2eSet(getGEO("GDS4100"))
e4100 <- exprs(g4100) # 這樣e4100就是一個數值矩陣了，可以進行下游分析。
下載GPL返回對象的處理函數
根據GPL號下載返回的對象也用 Table() meta()處理
library(GEOquery) gpl <- getGEO("GPL96", destdir = ".") names(Meta(gpl96)) Table(gpl96)[1:10, 1:4] ## 下面這個就是芯片ID的基因注釋信息 Table(gpl96)[1:10, c("ID", "GB_LIST", "Gene.Symbol", "Entres.Gene")]
getGEO() 函數除了可以下載數據，也可以打開本地數據，使用參數 filename 指定本地數據文件
gds858 <- getGEO(filename = "GDS858.soft.gz")