教你分析后缀为gpr的芯片数据

分析芯片数据，我们首先需要确定芯片平台。不同的芯片平台技术不同，既有单通道，也有双通道，而且输出文件的格式也不同。

目前常见的平台有以下几种

1.g enepix

2. illumina beadchip

3. Agilent

4. Affymetrix

对于前三种平台而言，我们都可以通过limma包来进行处理， 本文主要介绍genepix的芯片处理。

示例文件如下

​​https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE123273​​

可以看到原始数据是后缀为gpr的文件

gpr文件格式的解释可以查看如下链接

​​https://support.moleculardevices.com/s/article/GenePix-File-Formats#gpr​​

对于该种类型的文件，其读取的代码如下

> files <- c("GSM3498849_1.gpr", "GSM3498850_2.gpr", "GSM3498851_3.gpr")
> RG <- read.maimages(files, source="genepix")
Read GSM3498849_1.gpr
Read GSM3498850_2.gpr
Read GSM3498851_3.gpr

读取之后，就可以按照如下步骤进行分析

1. 背景校正

2. 归一化

3. 差异分析

详细代码示例如下

> RG <- backgroundCorrect(RG, method="normexp")
Array 1 corrected
Array 2 corrected
Array 3 corrected
Array 1 corrected
Array 2 corrected
Array 3 corrected
> MA <- normalizeWithinArrays(RG)
# design参数设置样本分组
> fit <- lmFit(MA, design=c(-1,1,1))
> fit <- eBayes(fit)
> topTable(fit)
Block Row Column ID Name logFC AveExpr t
5885 14 8 11 168760 hsa-miR-4749-5p 0.01300731 5.741990 4.761650
12659 29 16 9 147276 hsa-miR-3616-3p 0.01229513 5.799412 4.412873
15751 36 16 21 148139 0.01121546 7.842754 4.306584
11168 26 8 14 168593 hsa-miR-4726-3p -0.01151703 5.808141 -4.305364
12498 29 9 2 168858 hsa-miR-4638-3p 0.01260462 5.786310 4.302333
6889 16 14 3 146021 0.01419926 6.284739 4.230745
3154 8 4 8 146104 -0.01090889 5.837304 -4.211572
12422 29 5 14 147887 hsa-miR-3147 -0.01091577 5.800989 -4.192148
7157 17 6 7 148290 hsa-miR-3616-5p 0.01202037 5.825296 4.114572
9789 23 5 21 147799 hsa-miR-3156-5p 0.01090652 6.227845 4.113549
P.Value adj.P.Val B
5885 0.009187984 0.8836195 -3.202626
12659 0.011921747 0.8836195 -3.516772
15751 0.012945237 0.8836195 -3.615882
11168 0.012957595 0.8836195 -3.617029
12498 0.012988347 0.8836195 -3.619880
6889 0.013741047 0.8836195 -3.687594
3154 0.013951536 0.8836195 -3.705856
12422 0.014168777 0.8836195 -3.724413
7157 0.015078212 0.8836195 -3.799079
9789 0.015090679 0.8836195 -3.800071

·end·

一个只分享干货的

生信公众号