[GEO]下载表达矩阵并检查是否完整

---

   大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~

   就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~

   这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！

今天在备课GEO流程，想想下个周的今天我已经讲完了好开心。
本文参考生信技能树的《从GEO数据库下载得到表达矩阵 一文就够》。
只想用jimmy大神的口音吐槽一句:“碗束实在是太差了，科研条件太恶略了”。
这不，下载个GEO数据，没有两三次是搞不定的，严重限制了我的进步。
回到正题。

如何获取表达矩阵

大神写过函数downGSE，下载数据、导出表达矩阵和分组信息的csv一气呵成。

downGSE <>function(studyID, destdir = '.') {

    library(GEOquery)
    eSet <>

    exprSet = exprs(eSet[[1]])
    pdata = pData(eSet[[1]])

    write.csv(exprSet, paste0(studyID, '_exprSet.csv'))
    write.csv(pdata, paste0(studyID, '_metadata.csv'))
    return(eSet)

}
downGSE('GSE32575')


getGEO下载的是一个eSet.Rdata和一个matrix.txt压缩文件。当碗束不给力的时候可以选择只下载matrix。
在网页上找到他就是：

一个两个还好，可以一个个复制，当做的多了就会觉得麻烦，于是大神再次出手，用get_GSE_links函数可以获取到这个连接。

get_GSE_links <>
  function(studyID, down = F, destdir = './') {
    ## studyID destdir ftp://ftp.ncbi.nlm./geo/series/GSE1nnn/GSE1009/matrix/GSE1009_series_matrix.txt.gz
    ## ftp://ftp.ncbi.nlm./geo/series/GSE1nnn/GSE1009/suppl/GSE1009_RAW.tar
    ## http://www.ncbi.nlm./geo/browse/?view=samples&mode=csv&series=1009

    supp_link = paste0('ftp://ftp.ncbi.nlm./geo/series/', substr(studyID, 1, nchar(studyID) - 3), 'nnn/', 
                       studyID, '/suppl/', studyID, '_RAW.tar')
    meta_link = paste0('http://www.ncbi.nlm./geo/browse/?view=samples&mode=csv&series=', substr(studyID, 4, nchar(studyID)))
    matrix_link = paste0('ftp://ftp.ncbi.nlm./geo/series/', substr(studyID, 1, nchar(studyID) - 3), 'nnn/', 
                         studyID, '/matrix/', studyID, '_series_matrix.txt.gz')

    print(paste0('The URL for raw data is : ', supp_link))
    print(paste0('The URL for metadata is : ', meta_link))
    print(paste0('The URL for matrix   is : ', matrix_link))

  }
get_GSE_links('GSE32575')


然后用download.file下载，用readr读取，完美。这个更有可能下载的完整一些。

download.file('ftp://ftp.ncbi.nlm./geo/series/GSE32nnn/GSE32575/matrix/GSE32575_series_matrix.txt.gz')
expr2 <>read.csv('GSE32575_series_matrix.txt',
                  sep = '\t',
                  row.names = 1,
                  comment.char = '!')


那么如何检查下载的是否完整

（以下方法三选一）

（1）看下载时的提示信息

这里告诉你，源文件是9.2M，但是之下载了992k，明显是不完整的！这个warning不能忽略
下载完整的是这样：

（2）检查行数

表达矩阵的行数是什么？是探针数量，在上面的图里标出了，点击网页里的GPL链接，进去看看table行数是否和你的表达矩阵行数相等。

（3）检查文件大小，Rstudio右边的files可以看到。

隔壁生信技能树公益视频合辑（学习顺序是linux，r，软件安装，geo，小技巧，ngs组学！）

国内看B站，教学视频链接：https://m.bilibili.com/space/338686099 
国外看YouTube，教学视频链接：https://m./channel/UC67sImqK7V8tSWHMG8azIVA/playlists