GEO数据库获取基因表达数据
GEO数据库获取基因表达数据欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使
·
前言
生物信息学研究中生物信息扮演着重要的角色。其中基因表达矩阵数据使用的频率非常的高,本文介绍如何在GEO数据库中获取相关的基因表达数据并做相关处理,这里以肺癌为例。
一、数据获取
1.通过NCBI官网进入GEO(https://www.ncbi.nlm.nih.gov/);
2.实验的详细信息:这部分主要关注平台信息,样本信息和表达数据
3.下载相关数据时,可以直接在这里下载,分别为样本表达数据和平台信息数据,在网站中分别为Series Matrix File和平台信息里的table
二、数据处理
1.下载样本的探针的表达数据和平台中探针和基因的对应信息后,需要通过脚本或者EXCEL处理得到基因的表达数据,后期还要处理数据中的冗余数据等十分的麻烦,这里不详细介绍,还是推荐利用R语言直接获取,具体方法见R语言获取GEO表达数据。
2.数据中存在多个探针对应一个基因的情况,故需要一个基因的所有表达数据统计出来作为该基因的表达水平,一般取均值,当然也可以根据需要取最大(最小)值。这一功能利用简单的python代码实现。代码和数据如下。
import pandas as pd
df = pd.read_excel('expree_data.xlsx', sheet_name='Sheet1')
df1 = df.groupby('Gene.symbol').mean() #
df1.to_excel('expree_data_x.xlsx')
更多推荐
已为社区贡献1条内容
所有评论(0)