如何根据芯片的探针ID找到基因名-基于R语言

3540 人阅读 | 时间：2019年02月27日 23:50

使用BIOCONDUCTOR注释包

如果该芯片平台有对应的bioconductor注释包，只有约90个常用的芯片有！

比如：

library(hgu133a.db)
ids=toTable(hgu133aSYMBOL)
head(ids)## 或者platformDB='hugene10sttranscriptcluster.db'library(platformDB, character.only=TRUE)
probeset <- featureNames(GSE62832[[1]])

这些bioconductor注释包规律是一样的，都是存储一下探针ID及其对应的基因名的关系而已。

其它包列表见我早期菜鸟团博客收集：http://www.bio-info-trainee.com/1399.html

使用GPL平台信息

即使该芯片平台没有被bioconductor组织者制作R包，也是很容易拿到探针ID及其对应的基因名的关系文件，只需理解GEO数据库的GPL平台信息即可，如下：

library(Biobase)library(GEOquery)#Download GPL file, put it in the current directory, and load it:gpl <- getGEO('GPL10558', destdir=".")
colnames(Table(gpl)) ## [1] 41108 17## 重点就是要花时间来摸索这个返回值head(Table(gpl)[,c(1,10,13)]) ## you need to check this , which column do you need probe2symbol=Table(gpl)[,c(1,13)]

这样可以解决近2万芯片的注释问题，但是GPL上面的信息不一定会存储探针ID及其对应的基因名的关系，有些芯片平台是保密的，产商不愿意提供探针对应基因，但是他不得不提供序列信息，就需要复杂一点的方法。