GEO數(shù)據(jù)庫使用和數(shù)據(jù)下載
???? 原創(chuàng)不易?? 歡迎點贊+收藏+關注
網(wǎng)址為https://www.ncbi.nlm.nih.gov/
在搜索框前面的All Databases處有個下拉箭頭，可以選擇不同的數(shù)據(jù)庫，這里我們選擇GEO Dataset數(shù)據(jù)庫，這里面就是我們要找的數(shù)據(jù)了。
在搜索框里打上關鍵字，一般是疾病的名字，這里以Stanford A型主動脈夾層（Type A Aortic Dissection，TAAD）為例：輸入關鍵字后，點擊搜索就可以了
上面這個圖就是搜索結果了，我們選擇數(shù)據(jù)集一般有一下幾個考量：
第一是物種，一般常用到的就是人，大鼠和小鼠。右邊可以選擇物種，縮小范圍。
第二是測序類型，常見的是Expression profiling by array和Expression profiling by high throughput sequencing，這個一般就是mRNA的表達量了，此外還有單細胞，非編碼RNA，甲基化等類型，可以根據(jù)需要選擇。
第三是樣本量，一般來講，樣本越多越好，很多分析都對樣本量有要求，比如WGCNA就要大于15，雙疾病要求每組至少6個樣本。
第四還需要留意樣本組成，一般疾病最好要有患病和正常樣本的分組，癌癥樣本最好要有預后信息。
我們點進一個樣本集，看一下下面這個：
可以先看一下樣本的基本信息，數(shù)據(jù)集的標號是GSE開頭的。
然后我們看一下樣本構成，患病和正常樣本分的很清楚，樣本的編號是GSM開頭，重點關注一下測序平臺，這個是RNA測序數(shù)據(jù)，這樣的數(shù)據(jù)庫一般會提供一個表達矩陣放在補充材料里，如果沒有的話，一般就不選擇這個數(shù)據(jù)集了，不過我們這個是有的，就在最下面的Supplementary file里，直接下載就可以了。
這個表達矩陣就算是整理的比較好的，有基因名，表達數(shù)據(jù)是count值，可以根據(jù)需要進行標準化。
接下來小云再給大家找一個芯片數(shù)據(jù)集，它的下載方式和測序數(shù)據(jù)不太一樣。
上面這個是結直腸癌的，GSE39582，測序平臺GPL570，這也是一個常見的芯片測序平臺，芯片數(shù)據(jù)要從Series Matrix Files處下載，點進去，界面如下：
點擊就可以下載了。
芯片數(shù)據(jù)下載之后需要做一個轉換，因為芯片數(shù)據(jù)的行名是探針編號，需要轉換為基因名，探針和基因名的對應關系可以點擊測序平臺，也就是GPL570這個位置，根據(jù)下面這個表進行ID轉換。
推薦閱讀
“生信果”，生信入門、R語言、生信圖解讀與繪制、軟件操作、代碼復現(xiàn)、生信硬核知識技能、服務器、生物信息學的教程，以及基于R的分析和可視化等原創(chuàng)內容，一起見證小白和大佬的成長。
