r 中的元数据 .gz 文件无法正确加载
Meta data .gz file in r won't load properly
文件在这里：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE104323
被叫：GSE104323_metadata_barcodes_24185cells.txt.gz
不会在 R 中正确加载，它缺少可以说是最重要的元数据的年龄列，并且一半的线圈是 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)
没有 fill = TRUE 会产生以下错误：扫描错误（file = file, what = what, 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？
该文件没有我能看到的任何元数据。这是一个 tab-separated 文件。我怎么知道的？好吧，我想我本可以查看它的文档，可能在某个地方，但我所做的是在文本编辑器中查看它 --->
您可以观察到 tab-separated 文件的典型文本排列方式：所有列都左对齐，其中一些在文本渗入下一列时移动。
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 文件不会总是这种格式（或任何格式）。它们只是被压缩，分隔符对压缩算法没有特别重要的意义。您看到的下一个 .gz 文件可以有任何结构，也可以没有结构。
文件在这里：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE104323
被叫：GSE104323_metadata_barcodes_24185cells.txt.gz
不会在 R 中正确加载，它缺少可以说是最重要的元数据的年龄列，并且一半的线圈是 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)
没有 fill = TRUE 会产生以下错误：扫描错误（file = file, what = what, 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？
该文件没有我能看到的任何元数据。这是一个 tab-separated 文件。我怎么知道的？好吧，我想我本可以查看它的文档，可能在某个地方，但我所做的是在文本编辑器中查看它 --->
您可以观察到 tab-separated 文件的典型文本排列方式：所有列都左对齐，其中一些在文本渗入下一列时移动。
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 文件不会总是这种格式（或任何格式）。它们只是被压缩，分隔符对压缩算法没有特别重要的意义。您看到的下一个 .gz 文件可以有任何结构，也可以没有结构。