Converter GCT para XLSX

O Excel, um sistema de relatórios ou um destinatário que não usa o GenePattern pode exigir a matriz como uma pasta de trabalho .xlsx. A conversão local também facilita filtrar, criar gráficos, compartilhar e arquivar os dados sem carregar resultados de expressão potencialmente confidenciais.

O que é o formato GCT

GCT significa Gene Cluster Text. É um formato de texto delimitado por tabulações usado para matrizes de expressão gênica e dados genômicos relacionados, especialmente pelo GenePattern do Broad Institute e pelas ferramentas de Gene Set Enrichment Analysis; fluxos de trabalho em R e Bioconductor também podem lê-lo ou criá-lo.

Um arquivo GCT versionado padrão contém:

• um marcador de versão, como #1.2, na primeira linha;
• as contagens de linhas e colunas de dados na segunda linha;
• um cabeçalho separado por tabulações, normalmente começando com Name e Description, na terceira linha;
• identificadores de genes, descrições e valores de expressão nas linhas seguintes.

A extensão .gct também é usada por software não relacionado. Abra o arquivo em um editor de texto e confirme que suas primeiras linhas correspondem à estrutura de Gene Cluster Text antes de usar estas etapas.

O que é o formato XLSX

XLSX é o formato de pasta de trabalho Office Open XML compatível com Microsoft Excel, LibreOffice Calc, Apple Numbers e muitos sistemas de relatórios. Ele oferece suporte a planilhas, filtros, fórmulas, gráficos, formatação e validação de dados, sendo adequado para edição e distribuição em planilhas.

XLSX não é uma substituição completa para GCT: o marcador de versão e as dimensões declaradas normalmente não são armazenados como metadados da pasta de trabalho, e os aplicativos de planilha podem reinterpretar valores científicos ou identificadores. Mantenha o arquivo GCT original como a fonte oficial da análise.

Converter com Python e pandas

Este método é reproduzível e evita a conversão automática de tipos do Excel. Instale Python e os pacotes necessários:

python -m pip install pandas openpyxl

Crie gct_to_xlsx.py:

import pandas as pd

source = "input.gct"
target = "output.xlsx"

with open(source, "r", encoding="utf-8-sig", newline="") as f:
    version = f.readline().strip()
    dimensions = f.readline().rstrip("\r\n").split("\t")

if not version.startswith("#"):
    raise ValueError("Missing GCT version marker")
if len(dimensions) < 2 or not all(x.isdigit() for x in dimensions[:2]):
    raise ValueError("Invalid GCT dimension line")

rows, columns = map(int, dimensions[:2])
data = pd.read_csv(
    source,
    sep="\t",
    skiprows=2,
    dtype=str,
    keep_default_na=False,
    na_filter=False,
    encoding="utf-8-sig"
)

if len(data) != rows or len(data.columns) != columns:
    raise ValueError(
        f"Declared size is {rows} x {columns}, "
        f"but the table is {len(data)} x {len(data.columns)}"
    )

data.to_excel(target, index=False, sheet_name="GCT data")
print(f"Wrote {target}")

Coloque o script ao lado do arquivo de origem, altere input.gct e output.xlsx se necessário e execute:

python gct_to_xlsx.py

A pasta de trabalho contém o cabeçalho tabular e os dados. A versão do GCT e a linha de dimensões são validadas, mas omitidas da planilha; mantenha-as separadamente se os usuários posteriores precisarem desses metadados.

Converter com Excel ou LibreOffice

Para um arquivo pequeno e não sensível, importe-o como texto delimitado em vez de apenas renomear a extensão:

• Excel: escolha Data → From Text/CSV, selecione o arquivo GCT, defina o delimitador como Tab e exclua as duas primeiras linhas se a visualização tratar as linhas de versão e dimensões como registros. Carregue a tabela, escolha File → Save As e selecione Excel Workbook (*.xlsx).
• LibreOffice Calc: escolha File → Open, selecione Separated by e Tab na caixa de diálogo de importação, exclua as duas primeiras linhas de metadados, escolha File → Save As e selecione Excel 2007–365 (*.xlsx).

Defina as colunas de identificadores como Text durante a importação quando elas contiverem zeros à esquerda, IDs numéricos longos, datas ou outras strings que precisem permanecer inalteradas. Um conversor online genérico pode não entender as duas linhas de metadados do GCT, e o upload de dados genômicos pode violar a política do laboratório ou da instituição. Use um serviço online somente quando ele oferecer suporte explícito a Gene Cluster Text, produzir um arquivo XLSX e sua política de dados permitir o upload; a conversão local com Excel, LibreOffice ou Python é mais segura.

Verificações de qualidade e compatibilidade

• Compare as contagens de linhas e colunas de dados da planilha com a segunda linha do GCT.
• Confirme que os dois primeiros campos continuam sendo as colunas de identificador e descrição e verifique pontualmente os valores de expressão em relação à fonte.
• Mantenha os campos como texto quando strings exatas, zeros à esquerda, marcadores de valores ausentes como NA ou notação científica precisarem ser preservados. O exemplo em Python desativa a conversão padrão de valores ausentes do pandas; colunas de expressão selecionadas podem ser convertidas em valores numéricos posteriormente.
• Não espere que os metadados de versão específicos do GCT, comentários ou semânticas de análise sejam preservados como metadados nativos do XLSX. Adicione uma observação na planilha ou uma planilha de metadados separada se o destinatário precisar desse contexto.
• As planilhas do Excel permitem no máximo 1,048,576 linhas e 16,384 colunas. Matrizes grandes podem exceder esses limites ou ficar lentas; mantenha o GCT para computação e exporte apenas genes, amostras ou estatísticas resumidas selecionados quando necessário.