微精选
前些天群主给了我们学徒一个任务,下载数据集：GSE84073 做一些批量分析！
群主想看到，HCC，CHC，CC这3组，跟healthy的分开比较，然后3个火山图，3个热图。
那么首先需要下载counts值矩阵，样本信息如下：
肯定是不能一个个手动点击样本信息进入寻找文件下载链接，那样低效。
压缩包解压的方式下载表达矩阵后，发现，每个样本都是一个文本文件：
格式很统一，如下：
现在就需要批量依次读取这些文件，然后合并成为表达矩阵！
当时群主的代码是linux的shell脚本+R里面的dcast函数，如果大家感兴趣群主的WGCNA教程，见：
我仔细看了看代码其实，就是首先在linux是把多个文件合并成为 tmp.txt 文本。
这个文本有点特殊，其实就是把每个txt文件夹，按照行的方式首尾连接起来成为一个大文本，但是第一列加上了样本信息！
然后在R里面读取后，使用reshape2包的dcast函数即可，如下所示，一句话搞定！
上面的方法当然是可行的，但是依赖于linux环境，在mac下面稍微有点不一样，在Windows就需要借助于git等软件来使用shell脚本。我猜想应该是那个WGCNA教程已经是四年前的啦，当时群主的主要编程语言并不是R，所以这样的文本合并需求，会采取LINUX+R的方式搞定！
这个是纯粹的R语言解决方案，我也是在群主的指点下完成的，可以看到里面使用了 do.call 和 lapply 函数 批量读取txt文本文件：
我不知道什么样的函数叫做优雅，但是看起来这个就有点高大上！
反正数据集就是GSE84073，进入就看到了可以下载的txt文件，自行摸索合并！
这个群主的教程已经足够多了，走标准分析流程，火山图，热图，GO/KEGG数据库注释等等。这些流程的视频教程都在B站和GitHub了，目录如下：
第一讲：GEO，表达芯片与R
第二讲：从GEO下载数据得到表达量矩阵
第三讲：对表达量矩阵用GSEA软件做分析
第四讲：根据分组信息做差异分析
第五讲：对差异基因结果做GO/KEGG超几何分布检验富集分析
第六讲：指定基因分组boxplot指定基因list画热图
仅仅是最后得到的差异分子，并不是以前的mRNA后面的基因名，而是miRNA，lncRNA，甚至circRNA的ID，看起来很陌生罢了。感兴趣可以细读表达芯片的公共数据库挖掘系列推文 ；
解读GEO数据存放规律及下载，一文就够
解读SRA数据库规律一文就够
从GEO数据库下载得到表达矩阵 一文就够
GSEA分析一文就够（单机版+R语言版）
根据分组信息做差异分析- 这个一文不够的
差异分析得到的结果注释一文就够
也可以看群主在2019年的尾巴推出3个R包：
第一个是整合全部的bioconductor里面的芯片探针注释包。
第二个是整合全部GPL的soft文件里面的芯片探针注释包。
第三个是下载全部的GPL的soft文件里面的探针碱基序列比对后注释包。
配合着详细的介绍：
第三个万能芯片探针ID注释平台R包
第二个万能芯片探针ID注释平台R包
第一个万能芯片探针ID注释平台R包
GEO数据库中国区镜像横空出世
因为这些包暂时托管在GitHub平台，但是非常多的朋友访问GitHub困难，尤其是我打包了好几百个GPL平台的注释信息后， 我的GitHub包变得非常臃肿，大家下载安装困难，所以我重新写一个精简包。也在：芯片探针ID的基因注释以前很麻烦 和 ：芯片探针序列的基因注释已经无需你自己亲自做了, 里面详细介绍了。最重要的是idmap函数，安装方法说到过：芯片探针序列的基因注释已经无需你自己亲自做了, 使用起来也非常简单：
仅仅是一句话，就拿到了这个平台的探针的注释信息。需要注意的是，这个函数的type参数，其实是有3个选择，这里我演示的是选择soft这个来源的基因注释信息。
并不是所有的平台都是有soft注释，也不是所有的平台都被我的这个工具囊括哦。
