Question

我从Gene Expression Omnibus（GEO）下载了一些Illumina 450k甲基化数据集

R Bioconductor包装minfi和ChAMP似乎需要一些名为＆＃34;样品表＆＃34;

GEO上的大多数TAR文件似乎都不包含这样的样本表 - 它们只包含.idat文件

任何善良的灵魂会提供一些建议吗？我想知道如何在没有样品表的情况下运行ChAMP / Minfi管道;否则，如果有任何方法可以从.idat文件生成样本表吗？

谢谢！

Answer 1

我在GEO项目中遇到了类似的问题。我做的是我下载了所有.idat文件并将它们放在自己的文件夹中。然后我使用此代码解析.idat文件名并创建示例表。

它将解析类似GSM1855609_9020331147_R02C02_Grn.idat的文件名并将所有内容存储在.csv文件中。然后，您可以将.csv文件读入R，添加像c("Sample_Name", "Sentrix_ID", "Sentrix_Position")这样的函数想要查看的标准化列名（logger），然后您就可以了。

希望这有帮助！

#!/usr/bin/env python
# Import the OS library
import os

# Get your Current Working Directory
cwd = os.getcwd()

# Get a list of all of the files (and directories, if there are any) in your directory.
# This will be a list of strings.
filenames = os.listdir(cwd)

# Split each one into the chunks that were separated by underscores ("_") and then keep the first three for each name.
# This will be a list of lists.
chunked_names = [filename.split("_")[0:3] for filename in filenames]

# For each name, rejoin the three chunks with commas
# We're back to having a list of strings.
csv_lines = [",".join(chunks) for chunks in chunked_names]
# Join all of those strings with the newline character to get just a long string.
contents = "\n".join(csv_lines)

# Print this string to standard output so that it can be redirected to a file.

print(contents)

Answer 2

这就是我获取示例表并将 idats 读入 RGSet 对象的方式：

#using pacman to install and load packages
if (!require("pacman")) install.packages("pacman")
pacman::p_load("GEOquery","minfi")

#increase file download timeout
options(timeout = 600)

#download GEO object
gse <- getGEO("GSE12345", GSEMatrix = TRUE)
#get phenotype data - sample sheet
pd = pData(gse[[1]])

#get raw data - idats, processed beta matrix, etc.
getGEOSuppFiles("GSE12345")
#decompress idats
untar("GSE12345/GSE12345_RAW.tar", exdir = "GSE12345/idat")
#list files
head(list.files("GSE12345/idat", pattern = "idat"))
idatFiles <- list.files("GSE12345/idat", pattern = "idat.gz$", full = TRUE)
#decompress individual idat files
sapply(idatFiles, gunzip, overwrite = TRUE)
#read idats and create RGSet
RGSet <- read.metharray.exp("GSE12345/idat")

saveRDS(RGSet, "RGSet_GSE12345.RDS")

Answer 3

如果要从目录中读取所有idat文件，可以使用：

my_450k <- read.450k.exp(base = "path/to/directory", recursive = TRUE)

在某个阶段，您仍需要通过样本条形码将表型数据与450k数据进行匹配。

Answer 4

更新的methylprep python软件包具有下载GEO数据集的功能。尽管其中许多档案中的文件类型都不相同，但IT可以为大多数系列工作。

methylprep还有一个create sample_sheet命令行选项，如果您需要使用它来填充minfi。像这样：

 python -m methylprep -v sample_sheet -d ~/GSE133062/GSE133062 --create

（其中-d指定解压缩的.idat文件的路径）

更多示例在这里： https://readthedocs.com/projects/life-epigenetics-methylprep/

如何在没有提供样品表的情况下加载GEO甲基化（450k）数据集？

4 个答案: