我完善了那个R包，可以简化多组的差异分析啦

0.R包安装和准备

rm(list = ls())
options(stringsAsFactors = F)
if(!require(tinyarray))devtools::install_github("xjsun1221/tinyarray")
if(!require(AnnoProbe))devtools::install_github("jmzeng1314/AnnoProbe")
library(stringr)
library(AnnoProbe)
library(ggplot2)
library(tinyarray)

1.数据下载和分组生成

这里只是举个芯片多分组数据处理栗子，基本上忽略了数据的背景意义，将A组和其他组作比较。

gse = "GSE32575"

geo = geo_download(gse)
geo$exp[1:4,1:4]

##               GSM807339  GSM807340  GSM807341  GSM807342
## ILMN_1343289 19525.4400 20503.6100 18821.2200 17943.6300
## ILMN_1343290 20599.1000 21696.7000 16206.9200 18101.9800
## ILMN_1343291 25829.9200 24742.1800 23758.1200 24592.3600
## ILMN_1343292   383.6296   353.3019   303.2715   375.0452

geo$exp=log2(geo$exp+1)
library(dplyr)
pd = geo$pd
identical(rownames(pd),colnames(geo$exp))

## [1] TRUE

group_list = case_when(str_detect(pd$title,"lean_rep")~"A",
                       str_detect(pd$title,"lean_pool")~"B",
                       str_detect(pd$title,"obese_before")~"C",
                       str_detect(pd$title,"obese_after")~"D")

group_list=factor(group_list,levels = c("A","B","C","D"))

2.获取探针注释，进行差异分析

multi_deg_all目前可以完成3、4、5组数据数据的两两差异分析了，返回的dcp里有三个东西：差异分析结果表格，差异基因组成的列表以及可视化

find_anno(geo$gpl,install = T)

## [1] "`ids <- toTable(illuminaHumanv2SYMBOL)` and `ids <- AnnoProbe::idmap('GPL6102')` are both avaliable"

ids <- toTable(illuminaHumanv2SYMBOL)
dcp = multi_deg_all(geo$exp,group_list,ids,adjust = F)

## 'select()' returned 1:many mapping between keys and columns
## 'select()' returned 1:many mapping between keys and columns
## 'select()' returned 1:many mapping between keys and columns

## [1] "26 DEGs in all,0 DEGs in common."

names(dcp)

## [1] "deg"   "cgs"   "plots"

cgs = dcp[[2]]
dcp[[3]]

忽略有些图的统计学意义太差，我这里只拿他当个例子说一下，数据换了图就好看啦。

3.简易一点的富集分析

目前这个简易的富集分析，只支持人类的，其他物种数据库怎么添加我还没研究。。。

#如果想使用交集就把union_all换成intersect_all
cg <- union_all(
  cgs[[1]]$diff$diffgenes,
  cgs[[2]]$diff$diffgenes,
  cgs[[3]]$diff$diffgenes
  )
en = quick_enrich(cg)

## Warning in quick_enrich(cg): NAs introduced by coercion

## 'select()' returned 1:1 mapping between keys and columns

## wrong orderBy parameter; set to default `orderBy = "x"`
## wrong orderBy parameter; set to default `orderBy = "x"`

#enrich会提示引入NA 这个可以忽略。但如果出现了error 可能是因为富集不到任何东西，或者网络有问题。
en[[3]]

en[[4]]

这里的en变量里面包括两个富集分析结果和两个点图~再次重申我写这个只是为了提高效率减少一些代码的复制粘贴，有什么建议的话可以发邮件给我~