GPL14877、GPL570、hgu133plus2.db 比较

Posted on by

最近因为课题需要，在分析数据集：GSE65212，我看了看平台是：GPL148777，写着 Affymetrix Human Genome U133 Plus 2.0 Array [Brainarray Version 13, HGU133Plus2_Hs_ENTREZG]，这不就是jimmy授课讲解的那个应用最广泛的芯片嘛，这次分析，妥妥的！！！如下：

  • https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE65212
  • https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL14877

    但是，我在在利用hgu133plus2.db进行探针名转换为基因名时出现问题 ，代码如下：

    library(hgu133plus2.db)
ids=toTable(hgu133plus2SYMBOL) #toTable这个函数：通过看hgu133plus2.db这个包的说明书知道提取probe_id（探针名）和symbol（基因名）的对应关系的表达矩阵的函数为toTable
head(ids) #head为查看前六行
colnames(ids)=c('probe_id','symbol') 
ids=ids[ids$symbol != '',]
dim(ids) 
# 41922 2
ids=ids[ids$probe_id %in% rownames(dat),]
dim(ids) 
# 165 2

    转换完成后数据只剩162行 ？？？顿时不淡定了，然后去仔细看了一下平台信息：
    image-20201024161436597
    这个 Affymetrix Human Genome U133 Plus 2.0 Array [Brainarray Version 13, HGU133Plus2_Hs_ENTREZG]，，上面写的是 芯片与GPL570相同，我怀疑是R包hgu133plus2.db的问题，所以使用jimmy老师的 AnnoProbe

    rm(list = ls()) ## 魔幻操作，一键清空~
options(stringsAsFactors = F)
library(AnnoProbe)
GPL570 <- idmap("GPL570") 
GPL14877 <- idmap("GPL14877")
# Error in idmap("GPL14877") : 
# This platform is not in our list, please use our shinyAPP to custom annotate your probe sequences, or ask us to process and then update the R package!

    尴尬了，发现这个 GPL14877 根本就不在常见的160个芯片里面，唉！！！
    最后最好是，直接网页下载读取，在https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL14877 找到如下信息：
    image-20201024164942994

    GPL14877 <-read.table("GPL14877_HGU133Plus2_Hs_ENTREZG_probe_tab.txt.gz",sep = "\t",header = T )
# 看一下数据
head(GPL570)
head(GPL14877)
library(hgu133plus2.db)
ids=toTable(hgu133plus2SYMBOL) 
head(ids) #head为查看前六行
table(GPL14877$Probe.Set.Name %in% GPL570$probe_id)
table(GPL14877$Probe.Set.Name %in% ids$probe_id)
table(GPL570$probe_id %in% ids$probe_id)

    image-20201024165711778
    真的非常的意外啊！！！

    GPL14877 与 GPL570 不一样 ？

    我再次看：

    This array is identical to GPL570 but the data were analyzed with a custom CDF Brainarray Version 13, hgu133plus2hsentrezg.
    所以这句话我的理解有问题？还是下载的文件有问题？
    接着尝试下了下图mapping文件，拼老命也得干掉这个疑问！
    image-20201024173455073
    下载读取后发现两列探针名：
    image-20201024173913271
    为什么这样的探针也是可以匹配呢？
    用Affy Probe Set Name去匹配GPL570里的探针

    table(gpl2$Affy.Probe.Set.Name %in% GPL570$probe_id)
FALSE TRUE 
11356 285688

    这个匹配率好多了，先看看是否为正确匹配！

    a <- gpl2[gpl2$Affy.Probe.Set.Name %in% GPL570$probe_id,]
head(a)
Probe.Set.Name Chr Chr.Strand Chr.From Probe.X Probe.Y Affy.Probe.Set.Name
1 1_at 19 - 58858326 288 261 229819_at
2 1_at 19 - 58858345 89 765 229819_at
3 1_at 19 - 58858743 766 307 229819_at
4 1_at 19 - 58858785 535 317 229819_at
5 1_at 19 - 58858817 628 415 229819_at
6 1_at 19 - 58858856 1038 413 229819_at

    GPL570 中 229819_at 对应A1BG 基因
    image-20201024175808823
    image-20201024174822650
    GPL14887也是这个基因！
    终于对了！！
    稀里糊涂一个星期又过去了！！！
    气死我了！！！

​

Comments are closed.