Descarga de datos

Casi todos los datos de GeneExprLupusMx se distribuyen con el paquete: al cargarlo quedan disponibles en R. Los tres objetos más grandes (filtered_txi, dds y zscore_mat) no se instalan con el paquete, para que sea ligero: se descargan con download_data() la primera vez que los usas y después se leen desde tu computadora. Esta página explica cómo obtenerlos fuera de R y dónde se encuentran los datos crudos de secuenciación.

1. Datos incluidos en el paquete

Objeto	Contenido	Tamaño
filtered_txi	Cuentas de RNA-seq (Salmon + tximport): counts, abundance (TPM) y length. Se descarga con download_data("filtered_txi")	21,718 genes × 99 muestras
metadata_cleaned	Grupo, tipo celular y datos clínicos de cada muestra	99 muestras
volunteer_info	Edad, diagnóstico, tratamientos y fecha de reclutamiento	33 voluntarias
biotype_summary	Biotipo de cada gen	1 fila por gen
sle_genes, isg_genes	Genes asociados al lupus y genes estimulados por interferón	listas de genes
moDC_genes, dc_genes, tolDC_genes	Genes de diferenciación de células dendríticas y firma de las tolDC	listas de genes
dds, zscore_mat	DESeqDataSet normalizado y matriz de z-scores. Se descargan con download_data()	13,596 genes × 99 muestras
de_results, de_celltype_results, de_interaction_results	Resultados de expresión diferencial (DESeq2)	1 fila por gen
go_results, go_celltype_results, go_interaction_results	Enriquecimiento funcional (g:Profiler)	1 fila por término

La descripción completa de cada objeto está en la Referencia o en R con ?nombre_del_objeto. Los scripts que generan cada objeto se encuentran en la carpeta data-raw/ del repositorio.

2. Origen de los datos

Los datos de este paquete provienen del estudio publicado en Frontiers in Immunology. Los datos y el código se obtuvieron de dos fuentes, que aquí se reorganizaron en objetos de R listos para usar. Si usas los datos, cita ambas fuentes (ver la sección 7, “Cómo citar”):

Fuente	¿Qué contiene?
Artículo original	Diseño del estudio, métodos, figuras y material suplementario (incluida la Tabla suplementaria 2 con los identificadores de EGA)
Zenodo: registro 17742206	Datos y código del análisis de expresión génica depositados por las autoras: cuantificación con nf-core/rnaseq (Salmon) y análisis con tximport y DESeq2

Los scripts de la carpeta data-raw/ documentan cómo se generó cada objeto del paquete a partir de estas fuentes.

3. Cargar los datos en R

# install.packages("remotes")
remotes::install_github("EveliaCoss/GeneExprLupusMx", build_vignettes = TRUE)

library(GeneExprLupusMx)
data(package = "GeneExprLupusMx") # lista de objetos disponibles
head(metadata_cleaned)

4. Exportar a archivos CSV

Para trabajar con otro programa (Excel, Python, etc.), exporta los objetos como tablas:

dir.create("GeneExprLupusMx_datos", showWarnings = FALSE)

# Metadatos e información de las voluntarias
write.csv(metadata_cleaned, "GeneExprLupusMx_datos/metadata_cleaned.csv", row.names = FALSE)
write.csv(volunteer_info,   "GeneExprLupusMx_datos/volunteer_info.csv",   row.names = FALSE)

# Matrices de cuentas y TPM (genes en filas, muestras en columnas)
filtered_txi <- download_data("filtered_txi") # solo descarga la primera vez
write.csv(filtered_txi$counts,    "GeneExprLupusMx_datos/counts.csv")
write.csv(filtered_txi$abundance, "GeneExprLupusMx_datos/tpm.csv")

# Resultados de expresión diferencial: un archivo por tipo celular
for (cell in names(de_results)) {
  write.csv(de_results[[cell]], paste0("GeneExprLupusMx_datos/de_SLEvsCtrl_", cell, ".csv"), row.names = FALSE)
}

5. Descarga directa desde GitHub

Cada objeto también está disponible como archivo .rda en la carpeta data/ del repositorio, y los tres más grandes como archivos .rds en el release v0.1.0. Puedes cargarlos sin instalar el paquete:

url <- "https://github.com/EveliaCoss/GeneExprLupusMx/raw/main/data/metadata_cleaned.rda"
load(url(url))
head(metadata_cleaned)

# Los objetos grandes: primero se descarga el archivo y luego se lee
url <- "https://github.com/EveliaCoss/GeneExprLupusMx/releases/download/v0.1.0/filtered_txi.rds"
download.file(url, "filtered_txi.rds", mode = "wb")
filtered_txi <- readRDS("filtered_txi.rds")

6. Datos crudos de secuenciación

Los datos crudos (archivos FASTQ de RNA-seq) de pacientes y controles están depositados en el European Genome-phenome Archive (EGA) con acceso controlado. Para obtenerlos se requiere una solicitud formal y la aprobación del comité de acceso a datos correspondiente. Los identificadores de cada análisis se encuentran en la Tabla suplementaria 2 del material suplementario del artículo.

7. Cómo citar

Hay dos tipos de cita: una para el paquete y otra para los datos. Si usas este recurso, por favor incluye ambas.

7.1 Citar el paquete

Si usas las lecciones, las funciones o los objetos del paquete, cita también GeneExprLupusMx:

Coss E (2026) GeneExprLupusMx: Datos transcriptómicos de lupus en mujeres mexicanas con lecciones de aprendizaje. Paquete de R. https://github.com/EveliaCoss/GeneExprLupusMx doi: 10.5281/zenodo.23751369.

Este DOI siempre apunta a la versión más reciente; en Zenodo encontrarás el DOI de cada versión.

En R, citation("GeneExprLupusMx") muestra la cita del paquete.

7.2 Citar los datos

Los datos y el código provienen del artículo original y del análisis depositado en Zenodo:

Hernández-Ledesma AL, Coss-Navarrete EL, et al (2026) Gene expression profiling of dendritic cell tolerance dysfunction in women with systemic lupus erythematosus. Front. Immunol. 17:1771959. doi: 10.3389/fimmu.2026.1771959.

Coss-Navarrete EL, Hernández-Ledesma AL, et al (2025) Analysis of gene expression profiles during tolerance induction in dendritic cells from women with Systemic Lupus Erythematosus [Data set]. Zenodo. doi: 10.5281/zenodo.17742206.

↑ Volver a Inicio