表达矩阵分析大全

Note : Please don't use it if you are not the fan of our biotrainee, Thanks.

来龙去脉

GEO数据库挖掘系列知识分享课程，于2016年首发于生信菜鸟团博客：http://www.bio-info-trainee.com/2087.html

早期目录如下：第一讲：GEO，表达芯片与R
第二讲：从GEO下载数据得到表达量矩阵第三讲：对表达量矩阵用GSEA软件做分析
第四讲：根据分组信息做差异分析
第五讲：对差异基因结果做GO/KEGG超几何分布检验富集分析第六讲：指定基因分组boxplot指定基因list画热图
第七讲：根据差异基因list获取string数据库的PPI网络数据第八讲：PPI网络数据用R或者cytoscape画网络图第九讲：网络图的子网络获取第十讲：hug genes如何找

2018年更新版

2018是一个特殊的年份，我们生信技能树落地了很多线下分享会，作为创始人我身先士卒准备了非常多的干货教程，在B站免费分享 74小时的生物信息学系列视频课程： 1.3个学生的linux视频学习笔记

2.生信人应该这样学R语言系列视频学习心得笔记分享

3.一万人陪你学习GEO数据库挖掘知识（公益视频听课笔4.记分享）

5.公共数据库挖掘视频学习心得体会

6.生信小技巧系列第一季完结版视频教程学习笔记分享

本项目主要是GEO数据库挖掘课程的代码仓库，记住，下面的每个文件夹都值得你拿出50个小时以上的时间来学习。

仓库概括

主要项目代码文件夹：

GSE42872_main，主要演示GEO数据库挖掘的标准6步骤
GSE11121_surivival，主要演示基于基因表达量分组的批量生存分析

六个任务项目文件夹：

task1-check-specific-genes ，主要演示检查自己感兴趣的基因在多个GSE数据集表现情况
task2-lncRNA-mRNA-network ，主要演示如何构建网络
task3-multiple-groups ，主要演示，如果样本分组信息非常复杂该如何进行下游分析
task4-NPC，主要演示GEO数据库挖掘的标准6步骤，跟GSE42872_main类似
task5-dynamic-network-biomarker，主要演示新的算法，超脱于GSE42872_main展示的GEO数据库挖掘的标准6步骤
task6-GEO-TCGA，主要演示如何结合TCGA数据库

两个额外补充项目文件夹：

airway_RNAseq，主要演示如果是RNA-seq得到的表达矩阵该如何分析，与传统芯片表达矩阵的异同
breast_cancer_meta-analysis ，主要演示如何进行meta分析。

下面是主要代码文件夹 GSE42872_main 代码的展示：

Then run step1 : download data

数据是灵魂！

It always not very easy to download data if you are in China, so I also upload the file GSE42872_raw_exprSet.Rdata , you can load it directly.

if(F){
  library(GEOquery)
  gset <- getGEO('GSE42872', destdir=".",
                 AnnotGPL = F,
                 getGPL = F)
  save(gset,'GSE42872.gset.Rdata')
}
load('GSE42872_eSet.Rdata')
b = eSet[[1]] # 看清楚，某些GSE数据集有多个平台，注意挑选
raw_exprSet=exprs(b) 
group_list=c(rep('control',3),rep('case',3))
save(raw_exprSet,group_list,
     file='GSE42872_raw_exprSet.Rdata')

Then step2: check the expression matrix

高质量的数据是保障！

Try to understand my codes, how did I filter the probes by the annotation of each microarry, and how I check the group information for the different samples in each experiment.

Including PCA and Cluster figures, as below:

Please ensure that you do run those codes by yourself !!!

Then step3: do DEG analysis

差异分析是核心流程

Normally we will do differential expression analysis for the microarray, and LIMMA is one of the best method, so I just use it. If the expression matrix(raw counts ) comes from mRNA-seq, you can also choose DESeq based on negative binomial (NB) distributions or baySeq and EBSeq.

Once DEG finished, we can choose top N genes for heatmap as below: