從gdc-client下載數(shù)據(jù)后，接下來(lái)，我們可以嘗試把gdc數(shù)據(jù)轉(zhuǎn)化為基因表達(dá)矩陣，這里需要對(duì)原始數(shù)據(jù)文件進(jìn)行加工處理

1.準(zhǔn)備工作

創(chuàng)建一個(gè)工作目錄，將樣本文件夾放在all文件夾下
在本地選擇一個(gè)文件夾：f:/gdc/，打開(kāi)R-Studio

# 設(shè)置目錄
setwd("f:/gdc/")
# 獲取當(dāng)前目錄
getwd()
# 新建文件夾all，zip，unzip，
# 想要的效果：all放所有樣本文件，zip放目標(biāo)的壓縮文件，unzip放目標(biāo)文件
dir.create('all')
dir.create('zip')
dir.create('unzip')

將所有樣本文件夾中的放到all文件夾下

所有樣本文件

文件結(jié)構(gòu)需要了解一下，打開(kāi)以上任意一個(gè)文件夾，我們的目標(biāo)只需要counts.gz的壓縮包里邊的文件，所以這里需要進(jìn)行文件預(yù)處理

樣本文件

2.文件預(yù)處理

all文件夾中的所有文件，提取出里邊的壓縮文件到zip文件夾

setwd("f:/gdc/all")
getwd()

# 不要遍歷文件內(nèi)的文件，直接循環(huán)一次就夠了
allFolder<-list.dirs(".",TRUE,FALSE)
# allFolder下每一個(gè)文件由壓縮包+log文件夾組成（如上圖），這里只需要將壓縮包拿出來(lái)

for(f in allFolder){
# x.path為f所在的文件下文件的文件路徑，paste作用是拼接n與list.files(n)，
# 并使用sep做連接詞組成路徑
  x.path=paste(f,list.files(f),sep='/')
  # 再深入，獲取壓縮文件（忽略logs文件夾），并拷貝到'f:/gdc/zip'路徑
  for(filePath in x.path){
    if(file_test("-f", filePath)){
      file.copy(filePath,'f:/gdc/zip',recursive = T)
    }
  }
}

zip效果圖

將這些壓縮文件，使用系統(tǒng)的解壓工具，手動(dòng)解壓到unzip文件夾下

使用系統(tǒng)解壓工具進(jìn)行手工解壓

等待ing

得到最后能夠進(jìn)行數(shù)據(jù)處理的數(shù)據(jù)集

最終想要的數(shù)據(jù)集

3.數(shù)據(jù)處理

將這些文件里面的數(shù)據(jù)合并成想要的基因表達(dá)矩陣

setwd("f:/gdc/unzip")
getwd()
x_merge=NULL
i<-list.files()
#merge所有的文件為x_merge,即x坐標(biāo)為每一個(gè)文件名，y坐標(biāo)為文件對(duì)應(yīng)的值，
# 舉例 A B C三個(gè)文件，A有數(shù)據(jù)h1:1,h2:2,h3:3，B有數(shù)據(jù)h1:1,h2:1,h3:1，C有數(shù)據(jù)h1:3,h2:3,h3:3
# 那么merge后就是y坐標(biāo)為h1,h2,h3，x坐標(biāo)為A,B,C，對(duì)應(yīng)坐標(biāo)值即數(shù)據(jù)值，例如（A,h1）數(shù)據(jù)為1

for(n in i){
  x=read.delim(n,col.names = c('ID',substr(n,1,9)))
  if(is.null(x_merge)){
    x_merge=x
  }
  else{
    x_merge=merge(x_merge,x,by='ID')
  }
}

rownames(x_merge)<-x_merge$ID

首先理解一下，原本counts文件里邊的數(shù)據(jù)代表什么，有什么用

counts文件的數(shù)據(jù)

所有counts合并后的數(shù)據(jù)集：x_merge

x_merge

4.演示例子

# 演示：獲取最后五個(gè)，并輸出前3列前10行的數(shù)據(jù)表格
x_reduce=x_merge[-(1:5),]
x_reduce=x_reduce[,-1]
rownames(x_reduce)=x_merge$ID[-c(1:5)]

head(x_reduce,10)[,1:3]

演示：獲取最后五個(gè)，并輸出前3列前10行的數(shù)據(jù)表格

演示例子

5. R腳本大放送

#獲取當(dāng)前目錄
setwd("f:/gdc/")
getwd()
#新建文件夾all，將所有樣本文件夾中的壓縮數(shù)據(jù)移動(dòng)到all文件夾下
dir.create('all')
dir.create('zip')
dir.create('unzip')

# 手動(dòng)把之前的所有文件放在all下
setwd("f:/gdc/all")
getwd()

# 不要遍歷文件內(nèi)的文件，直接循環(huán)一次就夠了
allFolder<-list.dirs(".",TRUE,FALSE)
# allFolder下每一個(gè)文件由壓縮包+log文件夾組成，這里只需要將壓縮包拿出來(lái)

for(f in allFolder){
  
# x.path為f所在的文件下文件的文件路徑，paste作用是拼接n與list.files(n)，并使用sep做連接詞
# 組成路徑
  x.path=paste(f,list.files(f),sep='/')
  # 獲取壓縮文件，并拷貝到'f:/gdc/zip'路徑
  for(filePath in x.path){
    if(file_test("-f", filePath)){
      file.copy(filePath,'f:/gdc/zip',recursive = T)
    }
  }
}

# 將zip中的壓縮文件，全選，右鍵使用解壓工具全部解壓到另外一個(gè)路徑f:/gdc/unzip"
setwd("f:/gdc/unzip")
getwd()
x_merge=NULL
i<-list.files()
#merge所有的文件為x_merge,即x坐標(biāo)為每一個(gè)文件名，y坐標(biāo)為文件對(duì)應(yīng)的值，
# 舉例 A B C三個(gè)文件，A有數(shù)據(jù)h1:1,h2:2,h3:3，B有數(shù)據(jù)h1:1,h2:1,h3:1，C有數(shù)據(jù)h1:3,h2:3,h3:3
# 那么merge后就是y坐標(biāo)為h1,h2,h3，x坐標(biāo)為A,B,C，對(duì)應(yīng)坐標(biāo)值即數(shù)據(jù)值，例如（A,h1）數(shù)據(jù)為1

for(n in i){
  x=read.delim(n,col.names = c('ID',substr(n,1,9)))
  if(is.null(x_merge)){
    x_merge=x
  }
  else{
    x_merge=merge(x_merge,x,by='ID')
  }
}

rownames(x_merge)<-x_merge$ID

# 獲取最后五個(gè)
x_reduce=x_merge[-(1:5),]
x_reduce=x_reduce[,-1]
rownames(x_reduce)=x_merge$ID[-c(1:5)]

head(x_reduce,10)[,1:3]