getgeo 生物信息 R语言 表型信息表”“样本信息表”或“临床信息表 phenodata phenotype data
phenodata是用于处理开放获取的表观数据（如年龄、性别、治疗手段等）的工具，主要应用于生物医学研究领域。
核心功能
数据采集：整合不同来源的表观数据，包括芯片数据、样本信息等。
数据处理：支持数据清洗、转换及分析，适用于单细胞测序等复杂实验设计。
版本信息
最新版本为0.6.0（2019年发布），包含基础的数据操作功能，但未提供高级分析模块。
注意事项
该工具主要面向学术研究场景，需结合专业领域知识进行数据解读
- “phenodata” 并不是单独成词的英文
，而是 phenotype data（表型数据）的连写或代码里的变量名。
在单细胞/基因组学语境里，它通常指 每个样本（或细胞）的临床、实验条件和注释信息，与表达矩阵并列，构成分析所需的“元数据”。
对应到中文，把 phenodata 说成“表型信息表”“样本信息表”或“临床信息表”即
- phenotype
表象
美[ˈfinəˌtaɪp]
英[ˈfiːnəʊtaɪp]
n. 表型；具有共同表型的一类有机物
adj. 表型（的）
网络释义： 表现型；显型；血型表型
pheno
词典
酚;【医】【=phenobarbital】苯巴比妥，苯乙基巴比土酸;
例句
Boron trifluoride complexes with acetic acid, deity ether or pheno
三氟化硼与醋酸、二乙醚或酚的络合物
phenodata（常写作 phenoData）没有全球统一“官方格式”，但在生信领域已经形成 3 套事实标准，取决于你用的分析框架。 下面把“必须出现的字段 + 文件形态 + 代码模板”一次讲清，可直接照抄使用。
- Bioconductor / GEO 系列矩阵：AnnotatedDataFrame
这是芯片和 RNA-seq 最常见场景，R 里叫 AnnotatedDataFrame 对象，本质是一个“带列注释的数据框”。
① 文件形态
- 纯文本 TXT 或 CSV，行是样本，列是临床变量。
- 必须有列头；缺失值留空或写
NA。 - 首列建议叫
sample_id或gsm_id，与表达矩阵列名 100 % 对应。
② 最小示例（GSE61763_series_matrix.txt 里抽出的）
gsm_id age sex stage phenotype description
GSM151000 43 M Stage_I tumor colon adenocarcinoma, proximal
GSM151001 67 F Stage_II tumor colon adenocarcinoma, distal
...
③ 读入 & 转成 AnnotatedDataFrame
library(Biobase)
pd <- read.delim("phenodata.txt", row.names = 1, check.names = FALSE)
phenoData <- AnnotatedDataFrame(pd)
- Monocle 单细胞轨迹：AnnotatedDataFrame（同上）
Monocle 的 CellDataSet 对象需要 3 个文件，其中 phenoData 就是上面的格式，唯一区别是行名必须 = 细胞 barcode。
③ 代码模板
pd <- new("AnnotatedDataFrame", data = readRDS("cell_meta.rds"))
- GWAS / PLINK 队列：三列表型文件
若做基因组关联分析，PLINK 要求单独的 三列表型文件（不含列头）：
FID IID y
1001 1001 1
1002 1002 0
...
- 空格或 tab 分隔；缺失值用
-9。 - 与
.ped第六列互斥，不能同时用。
- 单细胞外挂：h5ad / Seurat meta.data
- Scanpy：直接存为
adata.obs（pandas DataFrame），字段规则与 1 相同。 - Seurat：读入后放在
obj@meta.data，行名 = 细胞 barcode。
- 必须检查的 5 个字段（建议养成习惯）
| 字段名示例 | 类型 | 说明 |
|---|---|---|
| sample_id / barcode | character | 与表达矩阵列名完全一致 |
| group / condition | factor | 差异分析核心分组变量 |
| age | numeric | 连续协变量 |
| sex | factor | 分类协变量 |
| batch | factor | 芯片/测序批次，去批次用 |
一句话总结
phenodata 就是“样本 × 临床变量”的二维表：
- 芯片 / 转录组 → 带列头的 TXT/CSV，读成
AnnotatedDataFrame； - GWAS → 三无列表型文件（FID IID y）；
- 单细胞 → 与 barcode 对应的
cell_meta.csv或adata.obs。
只要保证“行名能跟表达矩阵列名 1:1 匹配”，任何工具都能直接吃。