王胖的生信笔记第23期：芯片中id转化为基因名

正好有朋友拿了一个表格来问，找了GSE158850的数据，然后用了网站上GEO2R的功能分析下载得到一个表格，然后发觉上面没有基因名。

那这上面也没有基因名，查了查这个spot_id也没有网站好直接对应转化呀？那咋整呢？

咋整？用R整。

library(GEOquery)

先翻一下GEO上这个用的是什么芯片，一看是GPL13497，那就

GPL13497 <- getGEO("GPL13497", destdir=".")

然后翻一下这个芯片文件里储存有SPOT_ID和基因名对应的地方。具体怎么翻怎么找要稍微学一下R里的数据结构。

总之我找到了！

在这个里面，注释信息可以看一下在

GPL13497@dataTable@table

那剩下要做的就是要把SPOT_ID和基因名对应了咯？且慢。还有个小小问题。经过观察其中有一些并不是我们需要的数据，是芯片上质控用的，那要删掉。

GPL13497@dataTable@table <- GPL13497@dataTable@table[-1:-11,]
GPL13497@dataTable@table <- GPL13497@dataTable@table[-34172:-34173,]

然后取下我们需要的两列（此处即第二，第七列）。

anno=GPL13497@dataTable@table[,c(2,7)]

library(tidyverse)

dat <- anno %>% inner_join(dat,by="SPOT_ID")

这时候再看看有没有基因名

不就有了吗

拿到数据咋用呢？

其实完全不用上面这么这些步骤，大部分芯片数据只要有GEO号码，完全有更简单的方式去实现一些分析。

而且要注意的是，下游分析去做一些富集之类的，强烈不推荐用DAVID，强烈不推荐用DAVID，强烈不推荐用DAVID！

DAVID引用量固然很高，但上面的数据已经不是这个时代最新的了。在2016年DAVID就被批评过一次，然后他们更新了数据。但是2016年到现在，一次数据上的更新都没有。一次都没有。5年了，你还在想啥呢？

那具体怎么做呢？我们下两期就分开来讲一下如何下载处理芯片数据（适用于大部分）；如何计算获得差异基因进行下游分析。