HPA数据库及HPAanalyze包使用

关于HPA数据库的介绍：Human Protein Atlas 数据库 – 王进的个人网站 (jingege.wang)

The Human Protein Atlas

文献

HPAanalyze: an R package that facilitates the retrieval and analysis of the Human Protein Atlas data | BMC Bioinformatics | Full Text (biomedcentral.com)

HPAanalyze 是一个 R 包，用于检索和执行来自 HPA 的数据的探索性分析。HPAanalyze提供了从HPA导入数据表和xml文件、导出和可视化数据以及下载所有感兴趣的染色图像的功能。

不同的 HPA 数据格式

HPA 项目通过两种主要机制提供数据：以可下载的压缩制表符分隔值（TSV）文件形式提供完整数据集，以及可扩展标记语言（XML）、资源描述框架（RDF）和 TSV 格式的单个条目。完整的可下载数据集包括正常组织、病理学（癌症）、亚细胞位置、RNA 基因和 RNA 亚型数据。对于单个条目，XML 格式是最全面的：它提供有关靶蛋白、抗体和每个组织的摘要的信息。此外，还提供了每个样本的详细数据，包括临床信息、免疫组织化学（IHC）评分和图像下载链接。

HPAanalyze 概述

HPAanalyze 旨在完成三个主要任务：（1）导入、子集和导出可下载数据集;（2）用于探索性分析的可下载数据集的可视化;（3）促进单个XML文件的工作（图1）。1）. 该软件包旨在为编程经验不足的研究人员提供服务，同时也允许高级用户根据需要使用导入的数据。

（1）用于可下载数据集的 hpaDownload;（2） hpaVis，用于快速和可定制的可视化;（3） hpaXml，用于从单个 XML 文件中提取信息。显示的图像是生成的示例数据或可从 HPA 下载的图像。

原文还提供了许多示例进行分析

HPAanalyze包下载病理切片数据

由于HPA在线网站上的病理切片数据下载不方便，遂采用R包进行相关数据的下载。其他数据下载在教程中有详细介绍，这里测试病理数据的下载。

Bioconductor - HPAanalyze

HPAanalyze: HPA数据库使用 (gitee.com)

rm(list = ls())
#包安装##
if (!require("BiocManager", quietly = TRUE))
  install.packages("BiocManager")
BiocManager::install("HPAanalyze")
BiocManager::install("BiocStyle")##还需要辅助安装

#加载包 Update all/some/none? [a/s/n]: n
library(BiocStyle)
library(HPAanalyze)
library(dplyr)

例子从NCBI查找需要的基因：CCNB1

Search: ENSG00000134057 - NLM (nih.gov)

解决网络问题方案：什么鬼，你才60秒？ - 知乎 (zhihu.com)

查看信息技巧：R语言将list转变为dataframe（常用）_r list 转换成 dataframe-CSDN博客

病理数据下载

## -----------------------------------------------------------------------------
?hpaXmlGet
CCNB1xml <- hpaXmlGet("ENSG00000134057")
##网络问题#
#In download.file(url = version_to_xml_url(targetEnsemblId, version),  :
#URL 'https://www.proteinatlas.org/ENSG00000134057.xml': Timeout of 60 seconds was reached
#多次尝试测试#

CCNB1_ab <- hpaXmlAntibody(CCNB1xml)#提取用于特定蛋白质的抗体的信息
CCNB1_ab##查看蛋白结果信息

CCNB1_expr <- hpaXmlTissueExpr(CCNB1xml)
#从hpaXmlGet（）生成的导入xml文档中提取每个样本的组织表达信息和url以下载图像
str(CCNB1_expr[[1]])
data <- CCNB1_expr[[1]]
##查看该抗的样本具体信息（很重要，也可以直接通过具体信息下载需要的图片）


dir.create("img")
for (i in 1:nrow(CCNB1_expr[[1]])) {
     download.file(CCNB1_expr[[1]]$imageUrl[i],
                    destfile = paste0("img/", CCNB1_ab$id[1], "_",
                                      CCNB1_expr[[1]]$patientId[i], "_",
                                      CCNB1_expr[[1]]$tissueDescription2[i],
                                      ## the extra i below ensures unique file name
                                      i, ".jpg"),
                    mode = "wb")
  }

hpaXml 函数系列支持从 HPA 为每种蛋白质提供的单个 XML 文件中导入和提取数据。使用 XML 文件的典型工作流包括以下步骤：

使用 hpaXmlGet 下载并导入 XML 文件。
使用其他 hpaXml 函数提取所需的信息。
下载 hpaXmlTissurExpr 和 hpaXmlTissueExprSum 函数当前支持的组织学染色图像。该函数返回一个列表，其中包含一个摘要字符串，它是对蛋白质的一个非常简短的描述，还有一个由两列组成的表:组织（可用组织的名称）和imageUrl（下载透视图像的链接）

hpaXmlGet 函数采用一个 HGNC 符号或 Ensembl ID（以 ENSG 开头），并将透视 XML 文件导入到 R 中。此函数在后台调用 xml2：：read_xml 函数，因此如果需要，可以使用 xml2 包中的函数进一步处理生成的对象。可以使用 hpaXmlProtClass 从导入的 XML 中提取查询蛋白质的蛋白质类。函数 hpaXmlTissueExprSum 提取目标蛋白在正常组织中的表达摘要。该函数的输出是（1）包含一句话摘要的字符串，以及（2）蛋白质阳性染色的所有组织的数据框以及这些组织的图像。

XML 文件是唯一可编程访问的 HPA 数据格式，其中包含有关项目中使用的每种抗体和每个组织样本的信息。hpaXmlAntibody 提取抗体信息，并返回一个数据框，每个抗体有一行。hpaXmlTissueExpr 提取上述每种抗体的所有样本信息，并返回数据帧列表。如果抗体尚未用于 IHC 染色，则返回的数据框将为空。每个数据框包含临床数据（患者 ID、年龄、性别）、组织信息（snomedCode、tissueDescription）、染色结果（染色、强度、位置）和每个样本的一个 imageUrl。