step0-install_packagesstep1-download_data1.背景知识2.关于GEO中的几个文件说明A.2种familyfile(s)B.SeriesMatrixFile(s)C.GSE64634_RAW.tar3.关于下载镜像问题4.关于探针id转换idmap1包——针对bioconductor包附加小功能——对基因名字进行注释（`annoGene`）idmap2包——万能芯片探针ID注释平台包（提取soft文件）idmap3包——idmap1和idmap2都无法注释的平台AnnoProbe包5.整体代码这里抄step2-checkstep3-DEGstep4-anno-go-kegg真正代码detailedplot综合显示图（更推荐）step5-anno-GSEAstep6-anno-GSVAstep7-visualization致谢
简单安装R包和设置镜像代码：
而且我发现，最近NCBI更新后，GEO数据库也更新了！
点击后：
可以看到官网的代码和我们目前用的代码基本一致。
下面一个个的来说吧！
也就是SOFTformattedfamilyfile(s)和MINiMLformattedfamilyfile(s)，通过字面，我们可以理解这是2种不同格式的探针说明文件。为什么我会这样说呢？因为我下载了soft文件来查看：
这时首行的内容：
就是告诉你这个数据是GPL570这个平台测序得到的：
中间有很多行关于GSM的，可能记录的是用到这个平台测序的sample：
接着就是一系列探针信息了：
我们可以通过在R种提取信息对我们得到的矩阵种探针做注释。
这里面包含了3部分资料：数据属性+患者信息+表达矩阵
数据属性在最前面的几行，和患者信息之间有一个空行，但是他们都是以“!”开头：
接下来是患者信息：
紧接着患者信息下一行会有个提示：!series_matrix_table_begin，然后下面就是表达矩阵信息了：
这个就是我们需要的表达矩阵信息了，矩阵中每一行是一个基因（也就是一个探针），每一列是一个样本（GSM）
根据常识猜了猜想：
X和Y应该代表着芯片上的位置，这个可能和探针有对应关系。
MEAN是信号的平均值，STDV是信号的标准差。
NPIXELS是像素点吧。
既然知道了这是原始数据，jimmy又给发了代码，感觉不学习下有点对不起自己，那就跟着代码过一遍吧：
可以看到，整个过程非常的简单，就是利用了oligo这个R包而已。读入所有的cel文件后，利用rma()函数将数据进行了normalization，得到的是一个ExpressionSet对象！！
后面会比较我们利用rawdata得到的结果和我们直接下载的SeriesMatrixFile(s)文件之间的区别！
通过学习，发现实际上jimmy是开发了一个R包，或者说包装了一个函数吧，如果不想了解具体原理，那么用法如下：
具体用法也非常简单：
所以可以猜到，应该是jimmy事先用循环的方式帮我们下载好了很多GEO数据，并做成了Rdata格式的文件！非常的良苦用心了！！
因为GEO数据矩阵中，横坐标都是探针的代号，如下图：
我们只看这些代号并不能理解具体是什么基因，于是这就需要我们做id转换了：将探针的代号转为基因symbol。
这里又要提到jimmy“开发”的一个R包了：
老规矩，还是先学习下：
（具体的R包名称是bioc_package后加“.db”）
因为很多时候，用户是找不到这些GPL平台对应的R包，或者下载安装困难，其实仅仅是需要探针与基因对应关系，没有必要去下载安装这几十个M的包。于是jimmy就开发了idmap1这个R包来帮我们：
安装方法（这里好像只能用方法1，因为在载入包的同时附带有一个变量p2s_df加载，如果用方法2和3没办法得到这个变量）：
关于我们得到的ExpressionSet对象，可以通过gset@annotation得到我们需要的注释平台信息。
前面说到了这个变量p2s_df，像我这么喜欢资源的人，当然也要保存一份在本地了。大家有兴趣的可以自己write到本地保存。哈哈哈哈哈哈哈哈哈哈（jimmy应该不会打我吧）！
同样的，还是idmap1这个R包里的函数，如果安装过这个R包就无须再安装了，如果没有安装又想用这个功能，还真的没有办法，因为这些数据存在于这个包的自带变量中（humanGTF、mouseGTF、ratGTF）:
R语言parse函数与eval函数的字符串转命令行及执行操作：
parse()函数能将字符串转换为表达式expression；eval()函数能对表达式求解
这次是根据[soft文件](#####A.2种familyfile(s))进行提取信息得到的！
如果是我自己来处理这样的文件，我应该会分2步：
结果证明这样有错误，但是，具体原因有空再去找吧。下面看正确的读入方法——借助GEOqueryR包工具：
一般来说，大家关心的其实就是探针的ID，以及基因的symbol列。有了这个变量后，就可以按照R语言基本操作来提取我们需要的信息了。
注意：我检查了得到的结果，里面存在有的探针ID对应2个基因，如下图：
虽然不知道这些代表着什么意思，但是，我将这个数据和bioconductor包里的hgu133plus2.db数据做了比较，结果是这样的：自己提取的结果中如果是一个ID对应2个基因，那么这个探针在bioconductor包里基本上找不到数据。而其他一个ID对应2个基因的结果均和bioconductor包一致。
当然了，我这只是单独来看一个平台的探针，而在idmap2jimmy已经帮我们整理好了，直接用就行了！！
安装方法：
（比较慢）
查看支持的平台：
如果我们拿到的soft注释文件中是序列信息，那么我们该怎么做呢？
应该是先将序列比对到参考基因组上，然后通过提取基因注释文件中的数据得到基因symbol！
而在idmap3包中，jimmy已经帮我们做好了！！说他宠粉也是真的了！！我都懒得做，他居然还写了个循环来完成了这个事。
使用方法：
heatmap_top1000_sd.png
cor_top500_mad.png
MA.png
heatmap_top200_DEG.png
GO系列结果过于冗余：
npc_VS_normal_dotplot_gene_diff_BP.png
npc_VS_normal_dotplot_gene_diff_CC.png
npc_VS_normal_dotplot_gene_diff_MF.png
npc_VS_normal_dotplot_gene_down_BP.png
npc_VS_normal_dotplot_gene_down_CC
npc_VS_normal_dotplot_gene_down_MF.png
npc_VS_normal_dotplot_gene_up_BP.png
npc_VS_normal_dotplot_gene_up_CC.png
npc_VS_normal_dotplot_gene_up_MF.png
gene_down_GO_all_barplot.png
gene_up_GO_all_barplot.png
因为用到的这个样本用GSVA没有得到显著性结果，所以没有图出来，具体也没有深究，有需要日后再仔细研究吧
气泡图：
Gene-ConceptNetwork图：每一个小蓝圈表示一个基因，其颜色表示FC值，每个KEGGterm圈的大小由里面包含基因的数目决定。
成环：更炫酷了，但是感觉图形展示不方便
不成环：信息展示更有力吧
EnrichmentMap图：这里和上面的图类似，只不过不再显示具体的基因，而是直接画出每个term和term之间的关系，每个圆圈代表着一个term，圆圈大小代表着有多少个基因，颜色表示p值。
如果term和term之间有共同的基因，那么就会连接起来，聚在一起。
Heatmap-likefunctionalclassification：
和我们常规的热图不太像，这里纵轴是每个KEGG通路，横轴是涉及到的基因。颜色表示FC值。
上面所有的代码都来自生信技能树曾老板jimmy的帮助，同时我在测试运行的过程中又进行了部分改进和增补。
就用曾老板亲自编辑的感谢词来感谢吧：
FatYangthankDr.JianmingZeng(UniversityofMacau),andallthemembersofhisbioinformaticsteam,biotrainee,forgenerouslysharingtheirexperienceandcodes!