ExpressionSet类

学习最快乐

ExpressionSet是一个重要的类啊
## Dependencies

所需的工具包载入

[AppleScript] 纯文本查看 复制代码

```{r dependencies, warning=FALSE, message=FALSE}
library(Biobase)
library(ALL)
library(hgu95av2.db)
```

下载工具包

[AppleScript] 纯文本查看 复制代码

```{r biocLite, eval=FALSE}
source("http://www.bioconductor.org/biocLite.R")
biocLite(c("Biobase", "ALL", "hgu95av2.db"))
```

## Corrections

Improvements and corrections to this document can be submitted on its [GitHub](https://github.com/kasperdanielh ... d/ExpressionSet.Rmd) in its [repository](https://github.com/kasperdanielhansen/genbioconductor).

## Overview

我们将研究如何使用和操作“ExpressionSet”类; bioconductor中的基本数据容器。 该类在`r Biocpkg（“Biobase”）`package中定义。

这个类启发了生物导体中的许多其他数据容器，可以认为在使用数据编程方面取得了巨大的成功。
## Other Resources

- The "An Introduction to Bioconductor's ExpressionSet Class" vignette from the [Biobase webpage](http://bioconductor.org/packages/Biobase).
- The "Notes for eSet Developers" vignette from the [Biobase webpage](http://bioconductor.org/packages/Biobase) contains advanced information.

## Start

存储为“ExpressionSet”的示例数据集可在`r Biocexptpkg（“ALL”）`包中找到。 该软件包是“实验数据”软件包的一个例子;在R软件包中捆绑了一个完整的实验，这些实验数据软件包用于教学，测试和说明，但也可以作为数据分析的文档。



`

[AppleScript] 纯文本查看 复制代码

``{r ALL}
library(ALL)
data(ALL)
ALL
```

（您并不总是必须在R中的所有数据集上显式调用`data（）`，这取决于包的作者的选择）。

这是在Affymetrix HGU 95av2基因表达微阵列上进行的实验; 作者分析了128个样本。

因为这是来自实验包的数据，所以在数据集的帮助页面中有文档，请参阅

[AppleScript] 纯文本查看 复制代码

```{r help, eval=FALSE}
?ALL
```

从“ALL”的印刷说明可以看出，128个样本中测量了12625个特征（在这种情况下是基因）。 该对象包含有关实验的信息;如下：

[AppleScript] 纯文本查看 复制代码

```{r experimentData}
experimentData(ALL)
```

两个文献（公开的ID或PMID）与数据相关联。

对象中没有“protocolData”（这是为了描述实验协议）; 这在我的经验中是典型的（尽管将这些信息容易地提供给最终用户是非常好的）。

对象的核心是两个矩阵

- 包含128个样本（12625×128数字矩阵）上的12625基因表达测量的“exprs”矩阵。
- “pData”“data.frame”在样本上包含表型数据。

你得到表达式数据如下

[AppleScript] 纯文本查看 复制代码

```{r exprs}
exprs(ALL)[1:4, 1:4]
```

These are `sampleNames` and `featureNames`.  Get them by
注意这个矩阵的列和行名。 这些是“sampleNames”和“featureNames”。 如下方法得到

[AppleScript] 纯文本查看 复制代码

```{r names}
head(sampleNames(ALL))
head(featureNames(ALL))
```

要获取`pData`信息，使用`pData`访问器。

[AppleScript] 纯文本查看 复制代码

```{r pData}
head(pData(ALL))
```

您可以使用`$`运算符访问这个`data.frame`的各个列：

[AppleScript] 纯文本查看 复制代码

```{r dollar}
head(pData(ALL)$sex)
head(ALL$sex)
```

## Subsetting

Subsetting of this object is an important operation.  The subsetting has two dimensions; the first dimension is genes and the second is samples.  It keeps track of how the expression measures are matched to the pheno data.
这个对象的子集是一个重要的操作。 子集有两个维度; 第一个维度是基因，第二个是样本。 它跟踪表达式度量如何匹配pheno数据。

[AppleScript] 纯文本查看 复制代码

```{r subset}
ALL[,1:5]
ALL[1:10,]
ALL[1:10,1:5]
```

我们甚至可以更改样品的顺序

[AppleScript] 纯文本查看 复制代码

```{r subset2}
ALL[, c(3,2,1)]
ALL$sex[c(1,2,3)]
ALL[, c(3,2,1)]$sex
```
 

## featureData and annotation

数据与表型正确匹配！

##特征数据和注释

您可以将“pData”视为提供有关测量矩阵的列（样本）的信息。 与“pData”类似，我们有“featureData”，用于提供阵列的特征（基因）信息。

然而，虽然这个插槽已经存在了很多年，但它经常没有使用

[AppleScript] 纯文本查看 复制代码

```{r featureData}
featureData(ALL)
```

所以这给我们带来了一个关键的问题：到目前为止，“ALL”对象对实验类型和被分析的样本有一些有用的描述。 但是我们如何得到哪些基因被分析的信息？

对于市售的微阵列，Bioconductor的方法一直是制作所谓的注释包，将“featureNames”链接到实际的有用信息。 在概念上，这个信息可以存储在“featureData”中，但不是“featureData”。

[AppleScript] 纯文本查看 复制代码

Example
```{r annotation}
ids <- featureNames(ALL)[1:5]
ids
```

您是不是要找：
这些是由微阵列供应商Affymetrix命名的ids。 我们可以在注释包中查找它们

[AppleScript] 纯文本查看 复制代码

```{r annotation2}
library(hgu95av2.db)
as.list(hgu95av2ENTREZID[ids])
```

## Note: phenoData and pData

这给了我们与不同测量值相关联的Entrez ID。 有一些所谓的“地图”，如`hgu95av2XX`，`XX`有多个值。 这种方法对Affymetrix芯片非常具体。 使用注解包的另一种方法是使用“r Biocpkg（”biomaRt“）”包来获取Ensembl（在线数据库）中的微阵列注释。 这将在别处讨论。

我们现在将离开注释主题。

##注意：phenoData和pData

对于这种类型的对象，`phenoData`（类AnnotatedDataFrame`的对象）和`pData`（类“data.frame”的对象之间）有区别。

“AnnotatedDataFrame”背后的想法是通过一个名为“varLabels”的描述列表来包含有关“data.frame”包含的附加信息。

[AppleScript] 纯文本查看 复制代码

```{r varLabels}
pD <- phenoData(ALL)
varLabels(pD)
```

近来，似乎`varLabels`被限制为等于`data.frame`的列名称，使得整个`AnnotatedDataFrame`的构造是不必要的：

[AppleScript] 纯文本查看 复制代码

```{r varLabels2}
varLabels(pD)[2] <- "Age at diagnosis"
pD
colnames(pD)[1:3]
varLabels(pD)[1:3]
```

857/5000
所以现在我们已经暴露了一个可疑的bug，连同一些未被使用的抽象。 发生这种情况。

## eSet类

“ExpressionSet”类是“eSet”的示例。 “ExpressionSet”类有一个单独的测量矩阵，我们通过`exprs`访问。 与此相反，“eSet”类可以具有任意数量的任意名称的测量矩阵，尽管所有矩阵都需要具有相同的维度。

另一个“eSet”派生类的例子是“NChannelSet”，用于存储多通道微阵列测量; 一个例子是两色阵列，其中微阵列已经以两种不同的颜色成像。

类的另一个例子是用于DNA甲基化阵列的`r Biocpkg（“minfi”）`package; 这里有一个类，例如用于两色微阵列的“RGChannelSet”和用于甲基化测量的“MethylSet”。
## SessionInfo

\scriptsize

```{r sessionInfo, echo=FALSE}
sessionInfo()
```

Jimmy

这个是很多下游分析R包的基础，一定要好好学习这个

学习最快乐

Jimmy 发表于 2017-6-30 20:32
这个是很多下游分析R包的基础，一定要好好学习这个

好的，好的，我想着看完总结一下