学习笔记总结于『生信技能树』马拉松课程

2.了解数据

经过上一篇的学习，此时我们在Rstudio中得到eSet数据框；在正式进行分析之前，我们需要充分了解eSet中都有哪些东西，以及这些东西中哪些是我们后续分析时需要的

2.1 eSet里面是什么

表达矩阵、临床信息、GPL编号

2.1.1认识数据结构 ExpressionSet

首先研究eSet的数据结构、数据类型，用如下代码

class(eSet)# 如果返回的是"list"，这种数据结构是不能使用的
length(eSet)# 因为其长度只有1个

eSet = eSet[[1]]# 将list的壳子拆掉
class(eSet)
?ExpressionSet# 同理学习函数，我们也可以这样来学习ExpressionSet

根据 class() 得到的结果， ExpressionSet 这种数据结构是我们想要的，它是复杂的对象，出自 Biobase 包，复杂的对象需要函数 exprs() 来提取

2.1.2 eSet里面包含的数据

①点击右上角eSet旁边的三角符号，能查看里面都有什么

②或者直接点右上角的eSet这个变量名，能更方便的查看

我们想要的表达矩阵、临床信息、GPL编号都在里面

可以用如图2用@符号一级一级的提取，但推荐用函数提取，如下

2.2提取表达矩阵exp

exp <- exprs(eSet)# 提取表达矩阵
dim(exp)# 查看exp维度

查看exp的维度，如果结果是空的即exp表格中什么都没有，说明我们用的不是芯片数据；高通量数据是转录组或单细胞的，array才是芯片的

检查exp中是否有异常样本

range(exp) #看数据范围决定是否需要log，是否有负值或异常值
exp = log2(exp+1) #需要log才log，不用log就把这句代码注释掉，不要运行它
# log时需要+1，为了避免出现负数的情况，因为负数在此没有意义

boxplot(exp,las = 2) #看是否有异常样本

log完后，+1可避免数值为0或数值为负数，如图7

2.2.1表达矩阵有异常样本

第一个办法：删掉异常样本

第二个办法： exp = limma::normalizeBetweenArrays(exp) 简单处理

如图8右下角黄框所示，这6个箱线图代表6个样本的所有基因表达量，而黄框箱线图与其他箱线图相差太多，说明黄框这个样本所有的基因表达量都下调明显，这是不可能的（因为如管家基因它们基本不变），所以它是异常样本

2.2.2表达矩阵有负值

对于负值，不是一概而论的

取过log后有负值 ：是可以接受的程度，原本0-20是取过log后的范围，而上传数据的人在log时没有+1，则会导致数据有负值

没取log但有负值 ：这是错误的，表达矩阵的原理是光信号值，光信号值不会是负数；如果实在想用这个数据，就将所有的负数改为0，但不推荐这个做法；对于这种数据，要么舍弃，要么从原始数据开始处理，详见 表达矩阵有负值？从原始数据cel文件做起 一文

有一半负值 ：如图8，这是因为做了标准化这个处理，它将数据修正成中位数为0，便有了图8的-3到3、-2到2这种范围。舍弃或处理cel文件