有的GEO数据分组信息找起来比较麻烦

---

   大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~

   就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~

   这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！

这是GEO数据分析过程中的一个问题。后期我会把这些汇总成为一个目录的。

getGEO下载了表达矩阵文件后可获得他的ExpressionSet对象，用pdata函数提取临床信息表格，命名为pd。此处需要耗时端详这个pd表格，找到里面的分组信息列，生成一个grouplist，后续分析会多次用到。
有的直接拿出其中一列即可，有时候则不太好找，这时就考验R语言技巧了。有的pd表格有几十列，先减小一下筛选范围，我写了一个函数，用来汇总表格，不要关心function里面的内容，就是直接用。

dumd <>function(df){
  library(dplyr)
  colname <>'character')
  count <>'integer')
  for(i in 1:ncol(df)){
    colname[i] = colnames(df)[[i]]
    count[i]=nrow(df[!duplicated(df[,i]),])
  }
  output <>
  print(output)
}

x=dumd(pd)


dumd函数其实就是统计了一下每列有多少非重复值。只有一个的，说明所有行都一样，直接去掉即可。重点就是，所有行对应值都一样的列，是不会有分组信息在里面的，所以直接删掉这部分。如果有>1的个位数的，很有可能就是分组信息咯。

pd=pd[,x$count>1]


还没那么容易，如果没有直接可用的列，grouplist大概可以有这三种生成方式：

（注意，需要用自己的数据来替换，不是直接运行）

#第一类，简单的。
pd$title #tab试一下
nchar(pd$characteristics_ch1[1])
group_list=substring(pd$characteristics_ch1,5,5)

which(colnames(pd)=='characteristics_ch1')
#第二类，复杂的
group_list=ifelse(str_detect(pd$title,'TT2')==TRUE,'TT2','TT3')

group_list=ifelse(str_detect(pd$title,'Control')==TRUE,'contorl','treat')


pd$characteristics_ch1.1
group_list=ifelse(pd$characteristics_ch1.1=='triple-negative status: not TN','notTN','TN')
#第三类，更复杂的，如果分组有三组以上 参考这个代码（来自生信技能树）
g=ifelse(deg$P.Value>0.01,'stable', 
         ifelse( deg$logFC >logFC_t,'up', 
                 ifelse( deg$logFC <>'down','stable') )
)


ifelse是一个由if循环进化来的函数，原本语法是：

if(boolean_expression) {
  // statement(s) will execute if the boolean expression is true.
} else {
  // statement(s) will execute if the boolean expression is false.
}
简写成了ifelse(test, yes, no)，分情况将数据分组。

简书：小洁忘了怎么分身

隔壁生信技能树公益视频合辑（学习顺序是linux，r，软件安装，geo，小技巧，ngs组学！）

国内看B站，教学视频链接：https://m.bilibili.com/space/338686099 
国外看YouTube，教学视频链接：https://m.youtube.com/channel/UC67sImqK7V8tSWHMG8azIVA/playlists