setwd("K:/download/geo")  # 替換為實際工作目錄
# 修改get_geo_data_local函數中的讀取部分
#file_path <- "K:/download/geo/raw_data/GEO/GSE32967_series_matrix_fixed.txt"
file_path <- "K:/download/geo/data/GSE32967_series_matrix.txt"
#file_path <- "K:/download/geo/raw_data/GEO/biaoti.txt"gse <- getGEO(filename = file_path, destdir = "raw_data/GEO")
# 或者嘗試其他編碼如"latin1"
# gse <- getGEO(filename = file_path, destdir = "raw_data/GEO", encoding = "latin1")

R geo 然后讀取數據的時候 make.names(vnames, unique = TRUE): invalid multibyte string 9

關鍵方法

# 解決編碼問題
Sys.setlocale(category = "LC_ALL", locale = "English_United States.1252")# 增加緩沖區大小和超時設置
Sys.setenv("VROOM_CONNECTION_SIZE" = 131072 * 100)
options(timeout = 99999)# 設置readr兼容模式
readr::local_edition(1)

解決辦法

# 設置工作目錄
setwd("K:/download/geo")# 加載必要的包
# if (!require("BiocManager", quietly = TRUE))
#   install.packages("BiocManager")
# BiocManager::install("GEOquery")
library(GEOquery)
library(Biobase)# 解決編碼問題
Sys.setlocale(category = "LC_ALL", locale = "English_United States.1252")# 增加緩沖區大小和超時設置
Sys.setenv("VROOM_CONNECTION_SIZE" = 131072 * 100)
options(timeout = 99999)# 設置readr兼容模式
readr::local_edition(1)# 指定文件路徑
file_path <- "K:/download/geo/raw_data/GEO/GSE32967_series_matrix.txt"# 讀取GEO數據
tryCatch({gse <- getGEO(filename = file_path, destdir = "raw_data/GEO",AnnotGPL = TRUE)# 提取表達矩陣expr_matrix <- exprs(gse)pheno_data <- pData(gse)# 查看數據基本信息print(paste("數據集維度:", dim(expr_matrix)[1], "個探針/基因", dim(expr_matrix)[2], "個樣本"))print("前5個樣本名稱:")print(colnames(expr_matrix)[1:5])# 保存表達矩陣write.csv(expr_matrix, "GSE32967_expression_matrix.csv")write.csv(pheno_data, "GSE32967_phenotype_data.csv")print("數據讀取和保存成功!")}, error = function(e) {print(paste("錯誤信息:", e$message))
})

看起來你在使用 getGEO() 函數讀取本地GEO數據文件時遇到了編碼和緩沖區大小的問題。別擔心，這是處理GEO數據時的常見問題，我來幫你一步步解決。

🔧 GEO數據讀取問題解決方案

📌 問題分析

從你提供的錯誤信息來看，主要存在兩個問題：

1. 編碼問題：unable to translate 和 invalid multibyte string 錯誤通常是由于中英文編碼沖突造成的，特別是在Windows系統中。
2. 緩沖區大小不足：connection buffer 錯誤表明需要增加讀取緩沖區大小以適應大數據文件。

🛠? 解決方案

1. 設置英文編碼環境

在R中執行以下代碼設置英文編碼（特別適用于Windows系統）：

設置英文編碼環境（解決多字節字符錯誤）

Sys.setlocale(category = “LC_ALL”, locale = “English_United States.1252”)

2. 增加連接緩沖區大小

對于較大的GEO數據文件，需要增加緩沖區大小：

增加連接緩沖區大小（解決connection buffer錯誤）

Sys.setenv(“VROOM_CONNECTION_SIZE” = 131072 * 100)
options(timeout = 99999) # 設置超時時間

3. 使用readr的兼容模式

設置readr使用版本1的解析器：

設置readr使用版本1的解析器

readr::local_edition(1)

4. 完整可執行代碼示例

設置工作目錄

setwd(“K:/download/geo”)

加載必要的包

if (!require(“BiocManager”, quietly = TRUE))
install.packages(“BiocManager”)
BiocManager::install(“GEOquery”)
library(GEOquery)
library(Biobase)

解決編碼問題

Sys.setlocale(category = “LC_ALL”, locale = “English_United States.1252”)

增加緩沖區大小和超時設置

Sys.setenv(“VROOM_CONNECTION_SIZE” = 131072 * 100)
options(timeout = 99999)

設置readr兼容模式

readr::local_edition(1)

指定文件路徑

file_path <- “K:/download/geo/raw_data/GEO/GSE32967_series_matrix.txt”

讀取GEO數據

tryCatch({
gse <- getGEO(filename = file_path,
destdir = “raw_data/GEO”,
AnnotGPL = TRUE)

提取表達矩陣

expr_matrix <- exprs(gse)
pheno_data <- pData(gse)

查看數據基本信息

print(paste(“數據集維度:”, dim(expr_matrix)[1], “個探針/基因”, dim(expr_matrix)[2], “個樣本”))
print(“前5個樣本名稱:”)
print(colnames(expr_matrix)[1:5])

保存表達矩陣

write.csv(expr_matrix, “GSE32967_expression_matrix.csv”)
write.csv(pheno_data, “GSE32967_phenotype_data.csv”)

print(“數據讀取和保存成功!”)

}, error = function(e) {
print(paste(“錯誤信息:”, e$message))
})

📊 替代方案：直接讀取文本文件

如果使用getGEO()仍然有問題，你可以直接讀取文本文件：

直接讀取series_matrix.txt文件

exprSet <- read.table(file_path,
comment.char = “!”, # 忽略以!開頭的行（元數據）
stringsAsFactors = FALSE,
header = TRUE,
sep = “\t”,
check.names = FALSE)

設置行名并清理數據

rownames(exprSet) <- exprSet[, 1]
exprSet <- exprSet[, -1]

查看數據結構

dim(exprSet)
head(exprSet[, 1:5])

💡 預防措施與最佳實踐

1. 文件驗證：確保你的GSE32967_series_matrix.txt文件完整且未損壞。
2. 路徑檢查：Windows路徑中使用正斜杠/或雙反斜杠\。
3. 內存管理：大型數據集可能占用大量內存，確保R有足夠的內存空間。
4. 備份原數據：在處理前保留原始數據的備份副本。

📋 數據解讀

成功讀取數據后，你可以：
? 使用 exprs(gse) 獲取表達矩陣

? 使用 pData(gse) 獲取樣本表型數據

? 使用 fData(gse) 獲取基因/探針特征數據

如果所有這些方法都失敗，考慮從GEO數據庫重新下載數據文件，或者嘗試直接從GEO訪問而不是使用本地文件：

直接從GEO下載數據

gse <- getGEO(“GSE32967”, GSEMatrix = TRUE, destdir = “raw_data/GEO”)

希望這些解決方案能幫助你成功讀取GEO數據！如果遇到其他問題，可以檢查R和相關包的版本兼容性，或者考慮更新到最新版本。