用illuminaio包来处理illumina的IDAT文件

Jimmy

请先看：
http://www.biotrainee.com/thread-904-1-1.html （        illumina芯片的raw signal intensity data from the *.idat files）
http://www.biotrainee.com/thread-905-1-1.html（affymetrix跟illumina芯片的raw data标准不一样）

当然，用R包crlmm来分析也可以的：http://www.biotrainee.com/thread-875-1-1.html，它的函数是readIdatFiles

这个R包就一个函数，readIDAT ，就是把IDAT文件读到R里面，变成一个高级对象；
https://bioconductor.org/package ... /doc/illuminaio.pdf
https://bioconductor.org/package ... tml/illuminaio.html

至于后面怎么处理，就不是它的事情了。

比如我用：
首先去 https://www.encodeproject.org/experiments/ENCSR112SHO/ 下载IDAT文件，放在tmp/illumina-omin4/目录下面：

[AppleScript] 纯文本查看 复制代码

#source("https://bioconductor.org/biocLite.R")
#biocLite("illuminaio")
setwd('tmp/illumina-omin4/')
library(illuminaio)

idatFile='ENCFF267GLV.idat'
idat <- readIDAT(idatFile)                                 
names(idat)

idatData <- idat$Quants    
head(idatData);dim(idatData)

得到的idat 对象如下：

其中最重要的就是idatData，储存着基因型数据；

[AppleScript] 纯文本查看 复制代码

> head(idatData,50) 
         Mean   SD NBeads
1600101  3506  948     11
1600103 18868 1994     14
1600105   591  446     15
1600107   621  550     14
1600111   541  266     16
1600113   884  465     15
1600119   628  369     13
1600121  1066  730     15
1600125   791  330     12
1600131   660  434      9
1600133  1002  648     14

可以看到4933285个探针的具体call到的值！
For both file types the most important entry in the returned list is the item Quants.
When readingunencrypted files this contains average intensity (Mean), number of beads (NBeads) and a measureof variability (SD) for each bead type on the array.
所以你需要明白的是这Mean，NBeads，SD如何转换成基因型AA,AB,BB 即可！记住，对一个样本，你需要下载两个IDAT文件，因为探针是双色的，两个数据组合起来才能判断基因型！！！
For expression arrays in addition to these someadditional information is available, including median and trimmed-mean estimates of average intensity,averaged local background intensities and the number of beads present before outliers whereexcluded.


可以看到这款新品的官网也是这样介绍的：
This BeadChip array covers > 4.3 million whole-genome variants down to 1% minor allele frequency (MAF), plus novel functional exonic variants.
https://www.illumina.com/products/by-type/microarray-kits/infinium-omni5-exome.html
但是这四百多万探针如何注释到人类基因组，就需要自己再仔细看看该芯片的说明书啦
https://support.illumina.com/array/array_kits/infinium_humanomni5exome_beadchip_kit/documentation.html比如是基因型芯片，就看：https://support.illumina.com/con ... g_data_analysis.pdf

Jimmy

http://support.illumina.com.cn/a ... _kit/downloads.html
里面有芯片所有的设计详情，也就是想把上面的430万探针注释到基因组，需要下载HumanOmni5Exome-4 v1.1 Manifest File (CSV format)文件，这个文件有2G！！！
一般人根本看都看不懂了。
但是，我，肯定没问题啦，我已经搞定了。其实这个包也提供了readBGX(file)函数来读取 芯片的注释文件，不需要下载2G的 Manifest File (CSV format)文件，只需要下载
Illumina provide probe annotation for expression arrays as either tab separated text files or as fileswith the extension .bgx.
BGX files are infact just gzipped versions of the text files.
但是这个BGX文件我没有找到，算了！