简单易懂,事半功倍。
提高接受率,人人国自然!

R语言实例操作分析GEO数据库甲基化芯片

小伙伴们,上次为大家解读了一篇GEO甲基化芯片相关的SCI文献,今天,小编打算带领大家用R软件实例操作分析GEO甲基化芯片。作为目前最大的芯片数据库,GEO数据库提供给我们了海量的数据,但是,错综复杂的数据交织在一起,如何选择数据是摆在我们面前最重要的问题,读完今天这篇文章,我相信大家都能学会GEO甲基化芯片的分析。下面,就和大家一起跑一遍R,希望大家喜欢这篇文章!

首先是GEO甲基化芯片的下载和预处理。进入GEO数据库主页(网址https://www.ncbi.nlm.nih.gov/geo/),可以直接打开链接进入,也可以通过NCBI官网的GEO DataSetsGEO Profiles进入(进入NCBI数据库后下来搜索框)。

主页搜索框输入关键词Methylation,点击search,出来两行英语,一般选择第一行的数字,点进去。

页面跳转到GEO DataSets,这和NCBI中直接进入是一样的,直接输入需要检索的肿瘤,或者如下图点击Advanced后,在高级检索中分别输入Colorectal cancerMethylation”,根据自己的需要选择合适的甲基化芯片。如果大家知道芯片的GSE号,也可以直接根据GSE号来检索。

例如,本帖根据研究内容选择了GSE29490这张芯片。

点击芯片标题,则可弹出这张芯片的全部注释信息

下拉该页面,可以看到该芯片的探针平台信息,样本信息,以及矩阵文件(名字Series Matrix File(s)TXT格式)和原始文件(TAR格式的文件)。一般选择下载矩阵文件,如果下载原始文件,需要我们自行整理文矩阵文件,还是比较麻烦的!

点击Series Matrix File(s)后,选择文件的路径点击保存

对下载好的矩阵文件解压,使用EXCEL表格打开,如下图,其中感叹号开头的是注释文件,将其删除。

将注释文件删除后,把EXCEL里面的矩阵粘贴在txt文档里,命名为M.txt

同时在EXCEL中建立两列以sample,group分组的表格,对样本进行分组,C为肿瘤组,T为病例组。将表格粘贴在txt文档里面,以“group.txt”命名。

M.txtgroup.txt放在同一文件夹里,文件夹名就叫M吧,文件的准备已告一段落。

接下来,就可以打开Rstdio(R软件运行一样,本质也是R软件,只是界面不同),做分析之前,需要安装甲基化芯片相关的包,这个过程一般比较慢,大概2h。而通过以下的代码就可以实现安装。对于这些包的安装和功能,我们可以参考Bioconductor网站。

分析GEO甲基化芯片需要安装如下包:

加载安装包,设置工作目录(注意R软件中工作目录需要用”\”或“/”,不可用“”来设置工作目录),工作目录直接设置M文件夹的路径,然后读取txt文件。

 

对数据进行标准化处理并输出结果

我们可以看出,标准化处理之前的箱线图的中位值未处于同一水平线上。 

而标准化处理后的箱线图中所有样本均处于同一水平线上,使各种实验条件下的测量可以相互比较,消除测量间的非实验差异。这样所有的样本就具有可比性了。

对芯片进行质量控制(QC),这里需要输出两幅质量控制的图:DensityBean图,MDS图。

DensityBean:图中可以看出,峰值主要出现在0附近,说明这张芯片的甲基化水平较低。

MDS图:选出样本中1000个变异最大的位点,观察肿瘤组和对照组样本分布情况,在我们实验中,对于这种分布明显偏离组内其他样本的样本要予以剔除,因为这样的样本对实验结果影响较大。

甲基化位点的差异分析

dmpFinder函数,其参数设置如下,对于这些函数的设置在R软件中输入“?dmpFinder”,运行代码即跳转到参数设置页面,非常方便。

打开文件夹,即可看见dmpDiff命名的甲基化位点的表格,而我们挑选的差异甲基化位点的值则是根据q-val<0.05来判定的。

甲基化差异位点制作热图:这里是根据M(甲基化的率)来做差异甲基化位点的热图。

甲基化差异区域分析

运行代码后,得到名为dmrs的表格。

我们在做甲基化差异区域注释时候需要五列数据:chrstartendRefAlt。其中RefAlt这两列数据缺失,需要手动用0补充。

补充好了之后,就可以对甲基化芯片差异区域进行注释了。

甲基化区域的注释,我们采用wANNOVAR网站(http://wannovar.wglab.org/),进入主页后需要输入邮箱(机构邮箱),这里小编也是在网上随便机构邮箱,这个网站有点不地道,不支持个人邮箱!当然,只是为了使用这个网站,不需要邮箱来接受消息。Sample identifer栏随便输入英文名称即可。将上述准备好的5列数据(chrstartendRefAlt)粘贴在第三个检索框里。下拉页面,在Input Fomat栏里选择ANNOVAR,然后点击Submit提交数据。

大概几分钟的时间,注释结束,便可下载我们刚刚注释的甲基化区域了,其中第一行为外显子区域结果,第二行为整个基因上面的注释。

打开文件,我们可以看到第6列是甲基化位于基因上的位置,第7列是甲基化区域所在的基因,第8行是对甲基化基因的注释。到这里,我们针对一张GEO甲基化分析已完成。

当我们得到这些甲基化的基因后,可以对这些基因进行GOKEGG富集分析,生存分析等,或者去联合基因表达的芯片进行分析。作为最大的芯片数据库,因GEO芯片来自用户的上传,我们需要对芯片的质量做质控,并且做标准化的处理,以尽可能消除对因实验条件不同造成的实验误差,这一点在TCGA数据库中则不需要。不需要花费经费,只需要大家动脑动手就能发SCI,哈哈,这样的GEO芯片来一打!

除特别注明外,本站所有文章均为SCI666原创,转载请注明出处,谢谢。sci666 » R语言实例操作分析GEO数据库甲基化芯片

分享到: 更多 (0)

评论 抢沙发

  • QQ号
  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

SCI666 学习、交流、分享

生信分析交流群综合科研交流群
切换注册

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

切换登录

注册

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活