先附上學(xué)習(xí)連接https://mp.weixin.qq.com/s/NaZ5kz3ew2O01cFEnK8sXg
這個(gè)問題之前也遇到過，在此搬個(gè)小板凳來學(xué)習(xí)學(xué)習(xí)

數(shù)據(jù)下載

由于工作站暫時(shí)連接不上，所以打算利用Windows來下載，但是傳統(tǒng)方法下載的gz結(jié)尾的csv文件貌似有損壞

我是利用powershell來下載的
首先在cmd輸入

start powershell

然后回車，進(jìn)入powershell的界面
在這個(gè)頁面先輸入

$client = new-object System.Net.WebClient
$client.DownloadFile('https://www.ncbi.nlm.nih.gov/geo/download/?acc=GSE117988&format=file&file=GSE117988%5Fraw%2EexpMatrix%5FPBMC%2Ecsv%2Egz','E:/data.csv')

注意，括號內(nèi)第一個(gè)輸入的是你要下載的文件的http地址，第二個(gè)是你在本機(jī)要保存的地址加文件名

我所采用的文件為GSE117988，已公開數(shù)據(jù)集

轉(zhuǎn)換格式

我們知道，通常利用CellRange輸出的有三個(gè)文件
matrix.mtx，barcodes.tsv 和 genes.tsv
其中：
1.barcodes.tsv的是類似于這樣的文件

2.matrix.mtv是這樣的，用于記錄非0值的

3.genes.tsv

好了，我們把下載下來的csv文件讀入R,(讀表方式很多，有很多更快速的，在這里就用了最簡單的）

data = read.csv("E:/R/R_files/data.csv",header = T,row.names = 1)

我們發(fā)現(xiàn)它是這樣的

data

經(jīng)過對比，我們看到：
1.其實(shí)barcodes.tsv記錄的就是我們讀入的大表（data）的列名

2.gene.tsv其實(shí)就是兩列基因名對應(yīng)拼接起來的，第一列為Ensemble id，第二列是基因名稱

所以對于barcodes.tsv

write.table(colnames(data),file = 'barcodes.tsv',quote = F,
            col.names = F,row.names = F)

對于gene.tsv來說，我們不妨將大表（data）的兩列行名拼接在一起，然后將第一列進(jìn)行id轉(zhuǎn)換（不再贅述）

write.table(data.frame(rownames(data),rownames(data)),file = 'genes.tsv',
            quote = F,sep = '\t',
            col.names = F,row.names = F)

那么對于matrix.mtv，根據(jù)它的特點(diǎn)，它是記錄非0值的，并且包含頭信息，其中

第一列表示的是行號，第二列表示的是列號，第三列表示的是表達(dá)量，那么綜合起來就是大表中（data）第幾行第幾列的表達(dá)量為多少

那么先寫頭信息

file="matrix.mtx"
sink(file)
cat("%%MatrixMarket matrix coordinate integer general\n")
cat("%\n")
cat(paste(nrow(data),ncol(data),sum(ct>0),"\n")) 
sink()

再來篩選

tmp=data
tmp
tmp=do.call(rbind,lapply(1:ncol(data),function(i){
  return(data.frame(row=1:nrow(data),
                    col=i,
                    exp=data[,i]))
}) )
tmp=tmp[tmp$exp>0,]

write.table(tmp,file = 'E:/R/R_files/matrix.mtx',quote = F,
            col.names = F,row.names = F,append = T )

這段代碼運(yùn)行很慢，需要一段時(shí)間
最終結(jié)果

do.call用法

這里在安利一個(gè)do.call的用法
do.call本質(zhì)上是一個(gè)執(zhí)行函數(shù)，第一個(gè)填函數(shù)，第二個(gè)填該函數(shù)的輸入數(shù)據(jù)和參數(shù)

dat<- data.frame('letter' = letters[1:10], 'number' = 1:10, 'value' = c('+','-'))
do.call(paste, c(dat, sep = ""))

而它的輸入為某數(shù)據(jù)結(jié)構(gòu)(list，data.frame)的子元素，若是list，那么就對該list的子元素進(jìn)行目的函數(shù)操作，若是data.frame則對行或者列元素進(jìn)行目的函數(shù)操作