尝试过两个方法下载探针矩阵数据：1.GEO网站直接下载txt。

probeMatrix<-read.table("GSE16011_series_matrix.txt",sep="\t",

                        fill = T,comment.char = "!",header = T)

class(probeMatrix)

row.names(probeMatrix)=probeMatrix[,1]

probeMatrix=probeMatrix[,-1]

2.GEOquery

library(GEOquery)

gset <- getGEO("GSE16011", GSEMatrix =TRUE, AnnotGPL=TRUE)

gset$GSE16011_series_matrix.txt.gz@featureData[[1]]

gset$GSE16011_series_matrix.txt.gz@featureData[[]]

#探针矩阵

expr<-exprs(gset[[1]])

两个方法下载平台注释文件：1.网页下载

ids1<-read.table("GPL570-55999.txt",sep="\t",

                        fill = T,comment.char = "#",header = T)

ids1=ids1[c(01,11)]

names(ids1)=c("probe_id","symbol")

length(unique(ids1$symbol))#看有多少个基因

tail(sort(table(ids1$symbol)))#看有的基因涉及到几个探针

table(sort(table(ids1$symbol)))#看涉及到多少探针的基因有多少

2.使用R包

#BiocManager::install("hgu133plus2.db")

library(hgu133plus2.db)

ids=toTable(hgu133plus2SYMBOL)

#ids=data.frame(ann[,c(1,11)])

length(unique(ids$symbol))#看有多少个基因

tail(sort(table(ids$symbol)))#看有的基因涉及到几个探针

table(sort(table(ids$symbol)))#看涉及到多少探针的基因有多少

目前

1x1：从GEO网站下载探针矩阵和GPL570

> probeMatrix<-read.table("GSE16011_series_matrix.txt",sep="\t",

+                         fill = T,comment.char = "!",header = T)

> class(probeMatrix)

[1] "data.frame"

> row.names(probeMatrix)=probeMatrix[,1]

> probeMatrix=probeMatrix[,-1]

> ids1<-read.table("GPL570-55999.txt",sep="\t",

+                  fill = T,comment.char = "#",header = T)

Warning message:

In scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  :

  EOF within quoted string

> ids1=ids1[c(01,11)]

> names(ids1)=c("probe_id","symbol")

> length(unique(ids1$symbol))#看有多少个基因

[1] 15256

> tail(sort(table(ids1$symbol)))#看有的基因涉及到几个探针

                               ARHGEF12                                   CALD1 

                                      9                                       9 

                                  OFCC1 LOC100506403 /// LOC101928269 /// RUNX1 

                                     10                                      11 

                                    HFE                                         

                                     13                                    4522 

> table(sort(table(ids1$symbol)))#看涉及到多少探针的基因有多少

   1    2    3    4    5    6    7    8    9   10   11   13 4522 

9938 3379 1267  436  162   47   16    5    2    1    1    1    1 

> exprSet=probeMatrix

> table(rownames(exprSet)%in%ids1$probe_id)

FALSE  TRUE 

17416   111 

> table(ids1$probe_id%in%rownames(exprSet))

FALSE  TRUE 

27948   111 

只有111个探针名字对应上

1x2：从网页下载探针矩阵文件，用R包下载注释文件

> probeMatrix<-read.table("GSE16011_series_matrix.txt",sep="\t",

+                         fill = T,comment.char = "!",header = T)

> class(probeMatrix)

[1] "data.frame"

> row.names(probeMatrix)=probeMatrix[,1]

> probeMatrix=probeMatrix[,-1]

> library(hgu133plus2.db)

> ids=toTable(hgu133plus2SYMBOL)

> #ids=data.frame(ann[,c(1,11)])

> length(unique(ids$symbol))#看有多少个基因

[1] 20174

> exprSet=probeMatrix

> table(rownames(exprSet)%in%ids$probe_id)

FALSE  TRUE 

17368   159 

> table(ids$probe_id%in%rownames(exprSet))

FALSE  TRUE 

41763   159 

只有159个探针名字对应上

第三种方法：GEOquery获取探针信息，网页下载平台信息

> library(GEOquery)

> gset <- getGEO("GSE16011", GSEMatrix =TRUE, AnnotGPL=FALSE)

Found 1 file(s)

GSE16011_series_matrix.txt.gz

Using locally cached version: C:\Users\123\AppData\Local\Temp\RtmpuE41Xm/GSE16011_series_matrix.txt.gz

-- Column specification ---------------------------------------------------------------------------

cols(

  .default = col_double(),

  ID_REF = col_character()

)

i Use `spec()` for the full column specifications.

Using locally cached version of GPL8542 found here:

C:\Users\123\AppData\Local\Temp\RtmpuE41Xm/GPL8542.soft 

Warning: 1 parsing failure.

  row col  expected    actual         file

10614  -- 8 columns 7 columns literal data

> 

> #探针矩阵

> expr<-exprs(gset[[1]])

> dim(expr)

[1] 17527   284

> ids1<-read.table("GPL570-55999.txt",sep="\t",

+                  fill = T,comment.char = "#",header = T)

Warning message:

In scan(file = file, what = what, sep = sep, quote = quote, dec = dec,  :

  EOF within quoted string

> ids1=ids1[c(01,11)]

> names(ids1)=c("probe_id","symbol")

> length(unique(ids1$symbol))#看有多少个基因

[1] 15256

> exprSet=expr

> table(rownames(exprSet)%in%ids1$probe_id)

FALSE  TRUE 

17429    98 

> table(ids1$probe_id%in%rownames(exprSet))

FALSE  TRUE 

27961    98 

对应上98个

第四种方法，GEOquery获取探针文件（expr），R包下载注释文件

> ids=toTable(hgu133plus2SYMBOL)

> #ids=data.frame(ann[,c(1,11)])

> length(unique(ids$symbol))#看有多少个基因

[1] 20174

> exprSet=expr

> table(rownames(exprSet)%in%ids$probe_id)

FALSE  TRUE 

17386   141 

> table(ids$probe_id%in%rownames(exprSet))

FALSE  TRUE 

41781   141 

用excel把探针矩阵的探针id和GPL570的探针ID放在一个文本文件下。还是只有100多个对应。

> GPL570=read.table("GPL570.txt",header = T,sep = "\t")

> View(GPL570)

> table(GPL570$ID1%in%GPL570$ID)

FALSE  TRUE 

54503   172 

用GSE1643数据集发现五万多个几乎完全吻合，怀疑可能是数据集的问题。