r 中的元数据 .gz 文件无法正确加载

Question

此处的文件：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE104323

称为：

GSE104323_metadata_barcodes_24185cells.txt.gz

在 R 中无法正确加载，它缺少年龄列，这可以说是最重要的元数据，并且一半的列是 NA 的。

以下代码加载数据。

hochgerner24k_2018_meta <- read.table(paste(testsetpath,"/Hochgerner2018/GSE104323_metadata_barcodes_24185cells.txt.gz", sep=""), header =TRUE, fill =TRUE)

如果没有

fill = TRUE

，则会出现以下错误：

扫描错误（文件=文件，什么=什么，sep = sep，quote = quote，dec = dec，：
第 1 行没有 30 个元素

如何在不丢失所有这些信息的情况下将此元数据加载到数据框中？

Answer 1

该文件没有我可以看到的任何元数据。这是一个制表符分隔的文件。我怎么知道呢？好吧，我想我可以查看它的文档，它可能在某个地方，但我所做的是在文本编辑器中查看它 --->

您可以观察制表符分隔文件的典型文本排列：所有列都左对齐，当文本渗透到下一列时，其中一些列会移动。

hochgerner24k_2018_meta <- read.table("~/Downloads/GSE104323_metadata_barcodes_24185cells.txt.gz", header =TRUE, sep="\t")
> str(hochgerner24k_2018_meta)
'data.frame':   24216 obs. of  11 variables:
 $ Sample.name..24185.single.cells.      : chr  "10X79_1_AAACTAGCTAGCCC-" "10X79_1_AAACTAGGATGTAT-" "10X79_1_AAACTCACGGCGTT-" "10X79_1_AAACTGTCGGCTCA-" ...
 $ source.name                           : chr  "dentate gyrus" "dentate gyrus" "dentate gyrus" "dentate gyrus" ...
 $ organism                              : chr  "Mus musculus" "Mus musculus" "Mus musculus" "Mus musculus" ...
 $ characteristics..strain               : chr  "hGFAP-GFP" "hGFAP-GFP" "hGFAP-GFP" "hGFAP-GFP" ...
 $ characteristics..age                  : chr  "P120" "P120" "P120" "P120" ...
 $ characteristics..sex.of.pooled.animals: chr  "2males+1female" "2males+1female" "2males+1female" "2males+1female" ...
 $ characteristics..cell.cluster         : chr  "Neuroblast" "OPC" "GC-adult" "MOL" ...
 $ molecule                              : chr  "total RNA" "total RNA" "total RNA" "total RNA" ...
 $ SRR.run.accession                     : chr  "SRR6089817" "SRR6089947" "SRR6089529" "SRR6089595" ...
 $ raw.file..original.file.name.         : chr  "10X79_1_AAACTAGCTAGCCC.fq.gz" "10X79_1_AAACTAGGATGTAT.fq.gz" "10X79_1_AAACTCACGGCGTT.fq.gz" "10X79_1_AAACTGTCGGCTCA.fq.gz" ...
 $ UMI_CellularBarcode                   : chr  "CGGCGATCCC_AAACTAGCTAGCCC" "AGTGGTAATG_AAACTAGGATGTAT" "GGGTGCGCTC_AAACTCACGGCGTT" "CCTTTCAACG_AAACTGTCGGCTCA" ...

注意：

.gz

文件并不总是这种格式（或任何格式）。它们只是被压缩，分隔符对于压缩算法没有特别重要的意义。您看到的下一个

.gz

文件可能有任何结构，也可能没有结构。