test/GPL6480-agilent-4x44K.R

In jiangfuqing/GEO-AnnoProbe: annotate the gene symbols for probes in expression array

# Agilent-014850 Whole Human Genome Microarray 4x44K G4112F (Probe Name version)
# https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL6480
rm(list = ls())
library(AnnoProbe)

ids2=idmap(gpl='GPL6480',type = 'soft')
head(ids2)
ids3=idmap(gpl='GPL6480',type = 'pipe')
head(ids3)
length(unique(ids2[,1]))
length(unique(ids3[,1]))

head(ids2)
## 首先查看，哪些ids2里面的注释，并不在ids3，因为ids3是一对多的映射关系。
table( paste(ids2[,1],ids2[,2],sep = '_') %in% paste(ids3[,1],ids3[,2],sep = '_') )
## 一致的注释有25054个探针，不一致的有16054，差异很显著，值得深思。
ids2_not_ids3=ids2[!paste(ids2[,1],ids2[,2],sep = '_') %in% paste(ids3[,1],ids3[,2],sep = '_'),]
table(nchar(ids2_not_ids3$symbol)>0)
# 可以看到，其中5882个探针，在ids2里面的是注释不到基因的。
# 另外的10172探针是注释 冲突的。
m2=merge(ids2_not_ids3,ids3,by.x="ID",by.y='probe_id')
table(nchar(m2$symbol.x)>0)
tmp1=annoGene(m2[,2],'SYMBOL')
tmp2=annoGene(m2[,3],'SYMBOL')
tail(sort(table(tmp2$biotypes)))




# 其中一个不能注释，这样的冲突，是因为基因名过时。
m2_not=m2[!m2[,2] %in% tmp1[,1],]
# 都能注释，但是确实是冲突
m2_ok=m2[m2[,2] %in% tmp1[,1],]