Bioconductor对芯片探针信息进行注释

没想到这么快再次接触芯片数据，这次的芯片类型是affymetrix的U133A芯片。其实是已经公布的数据了，只是拿来再看看。这次只是先简单看下，所以并不是从原始数据开始分析。数据是06年的老数据。在EBI的ArrayExpress上下的。如下：

 

 

这次只说下如何将探针ID转换为基因的SYMBOL。当然相同的方法也可以获取其它对应的注释信息。在线的工具很多，这里只是为方便后续的分析，因此借助Bioconductor中的AnnotationDbi包。具体可用的注释库可在官方说明的页面检索。

官方说明地址：

 

先安装AnnotationDbi

>source("")

>biocLite("AnnotationDbi")

    针对我们的U133A芯片还要下载对应的库，大概50M。

>biocLite("hgu133a.db")

 

然后载入这两个库。

     

> library(AnnotationDbi)

> library(hgu133a.db)

先看下数据库的信息。

     

> hgu133a.db

 

库所包含的内容及可以作为检索键的列分别可以用cols命令和keytypes命令查看： 

    接下来就是怎么用这个库去注释我们关心的探针的信息。由于原始文件比较大，我只选取了部分内容做个例子，无论你是用全部的探针或者用已经检验为差异表达的探针，做法都是大同小异的。

 

 

先用命令读入数据，第一列数据为探针ID，因此将其作为要检索的键值赋给k。然后使用select方法来从hgu133a.db中检索对应的相关信息。图中命令如下：

> my <-read.table("data.txt", sep="\t", head=T)

> k <- my$Scan.REF

>out<-select(hgu133a.db,keys=k,cols=c("SYMBOL","GENENAME"),keytype="PROBEID")

 

Select方法先指定你要使用的数据库，我们这里就是hgu133a的库，接下来的keys参数是要检索的key，可以是所有id，或是感兴趣的id的列表。Cols给出的是你要检索的对应内容，我们这里是根据affy id来检索基因的symbol和基因名，因此在cols参数中只指定了这两项，值得注意的是各项信息间并不是唯一对应的关系，如上图中1007_s_at探针就对应了两种可能的基因。Keytype指定的是用于检索的数据的类型。

 

其它库的用法大同小异，只要稍参考下手册或帮助信息就可以了。