转录组数据结构

1、ArrayExpress，https://www.ebi.ac.uk/arrayexpress/

以这个数据集为例：E-MTAB-4867 ，通常会有如下文件

idf 文件是实验设计描述文件，为txt文本，可以直接打开查看；

sdrf 是样本与实验数据的对应关系描述文件，简而言之，就是每个样品是如何处理的。可以用excel或R读取：

sdrf <- read.table("E-MTAB-4867.sdrf.txt",header = T, sep = "\t")

raw 是原始数据文件，现在一般由委托实验的公司处理，自己如果要处理这类文件，可以参考Bioconductor中的相关内容。

adf 是整列Array设计描述，如果处理过的数据集中没有基因id，就需要用这个文件建立探针号与基因id的对应关系。

Processed data 是处理过的数据，用R读取

proc.data <- read.table("E-MTAB-4867.processed.data.txt",header = T,sep = "\t")

可以看到整个数据集检测的基因数（24603），样品处理组数（135）。

处理过的数据集中已经是基因id，可以直接提取目标基因集了。

在Bioconductor中有处理ArrayExpress的包，但不怎么好用，不如用R直接处理。