我們今天為什么要講GEO?不少小伙伴打開前，腦子里可能充滿了問號(hào)。

那這里就告訴你GEO有多好：

拿別人的數(shù)據(jù)，發(fā)自己的文章！

無論是腫瘤、非腫瘤、芯片、NGS、差異分析，還是分子驗(yàn)證……

你能想到的數(shù)據(jù)，這里幾乎都有，

還可以做一些在線分析。

你會(huì)想？這也可以？！

當(dāng)然可以！發(fā)了文章要公開數(shù)據(jù)的!你用的就是這些數(shù)據(jù)！

互聯(lián)網(wǎng)的精神就是公開。

呃，扯遠(yuǎn)了……下面開始說正題，把這個(gè)好用的數(shù)據(jù)庫的基本操作介紹給大家！

一、GEO數(shù)據(jù)庫介紹

1、GEO數(shù)據(jù)庫概況

首先我們來了解一下GEO數(shù)據(jù)庫：

GEO，全稱Gene Expression Omnibus?（基因表達(dá)綜合數(shù)據(jù)庫），網(wǎng)址∶https∶/ww.ncbinlm.nih.gov/geo/，是由美國國立生物技術(shù)信息中心 （National Center for Biotechnology?Information，NCBD于2000年創(chuàng)建并維護(hù)至今的高通量基因表達(dá)數(shù)據(jù)庫。GEO是一個(gè)國際公共存儲(chǔ)庫，收錄并整理了全球范圍內(nèi)研究工作者上傳的微陣列芯片、二代測(cè)序以及其他形式的高通量基因組數(shù)據(jù)，并提供免費(fèi)下載。

【先領(lǐng)再看】

從課題設(shè)計(jì)到數(shù)據(jù)挖掘，從文章復(fù)現(xiàn)到寫作投稿，輕松入門GEO數(shù)據(jù)庫，零代碼搞定5+生信文章！還等什么？趕緊加入我們的免費(fèi)geo數(shù)據(jù)庫訓(xùn)練營~

https://m.helixlife.cn/trainings/d1a65e2e-bc8d-4649-a1d3-18a85556a6de/channel?c=b29a79fd-c4ab-471a-a5e4-97accc3941c9

這就是以后我們做課題和寫論文幾乎天天都要打交道的GEO數(shù)據(jù)庫了。

GEO數(shù)據(jù)庫最有價(jià)值的部分是存儲(chǔ)了大量芯片數(shù)據(jù)，包括原始數(shù)據(jù)和處理后數(shù)據(jù)。

GEO數(shù)據(jù)有兩種存儲(chǔ)形式，其中：

GEO DataSets 以數(shù)據(jù)集為單位，存儲(chǔ)同一個(gè)實(shí)驗(yàn)中的數(shù)據(jù)；

GEO Profiles 以基因?yàn)閱挝?，存?chǔ)基因在數(shù)據(jù)集中的表達(dá)譜。

不同的存儲(chǔ)形式涉及兩種不同的數(shù)據(jù)檢索方式。

2、GEO數(shù)據(jù)組織結(jié)構(gòu)

GEO數(shù)據(jù)庫中海量的數(shù)據(jù)自然不能雜亂無章地堆積，

嚴(yán)密的數(shù)據(jù)組織結(jié)構(gòu)就是十分必須的。

GEO數(shù)據(jù)庫的數(shù)據(jù)就依據(jù)不同的等級(jí)，從大到小，組成了如下所示的層次嚴(yán)密的組織結(jié)構(gòu)：

Platforms?

高通量實(shí)驗(yàn)檢測(cè)所用工具（哪個(gè)公司哪款產(chǎn)品），編號(hào)GPL開頭，例如?GPL570

Series?

構(gòu)成某個(gè)實(shí)驗(yàn)的相關(guān)樣本，組成一個(gè)有生物意義的數(shù)據(jù)集，

包括樣本信息和方案設(shè)計(jì)等信息，可以看做一套完整的實(shí)驗(yàn)方案，實(shí)際上每個(gè)Series基本對(duì)應(yīng)一篇完整的論文，

Series 在科研工作中是最為常用的數(shù)據(jù)層級(jí)！?

編號(hào)GSE開頭，例如GSE5764。

Datasets?&?Profiles

一些高質(zhì)量的GSE數(shù)據(jù)集還會(huì)被GEO官方工作者整理為Datasets和Profiles。

Datasets 是分析好的Series，編號(hào)以GDS開頭。

Profiles?則以基因?yàn)閱挝淮鎯?chǔ)數(shù)據(jù)，是Datasets?各分組中的表達(dá)譜，分配的是流水號(hào)，例如33759453。

但并不是所有上傳的數(shù)據(jù)都會(huì)被整理，甚至只有少數(shù)會(huì)被整理，因?yàn)楹芏?/span>GSE數(shù)據(jù)集沒有進(jìn)一步被拆分的必要。

Sample?

實(shí)驗(yàn)中的樣本。每一個(gè)樣本都會(huì)分配一個(gè)號(hào)碼。編號(hào)以GSM開頭，例如GSM134584

在GEO首頁，我們就可以根據(jù)不同的數(shù)據(jù)組織結(jié)構(gòu)，查找數(shù)據(jù)。

研究者上傳數(shù)據(jù)時(shí)填寫信息，GEO官方根據(jù)填寫的信息分配編號(hào)。

3、GEO的研究數(shù)據(jù)類型

GEO數(shù)據(jù)庫的數(shù)據(jù)類型有9種，以芯片為主，例如RNA、甲基化和SNP芯片數(shù)據(jù)等。

也包括很多高通量測(cè)序數(shù)據(jù)。

高通量測(cè)序數(shù)據(jù)，原始數(shù)據(jù)存儲(chǔ)在SRA，處理后數(shù)據(jù)則存儲(chǔ)在GEO中。

在一份GSE數(shù)據(jù)集詳情頁面，我們就可以看到清晰的說明

在使用GEO數(shù)據(jù)時(shí)，千萬不要忘記注明引用該數(shù)據(jù)文獻(xiàn)的PMID編號(hào)！

2、GEO數(shù)據(jù)庫的檢索

1、GEO官網(wǎng)簡(jiǎn)單檢索

在官網(wǎng)首頁，我們可以輕松地根據(jù)數(shù)據(jù)集等級(jí)或編號(hào)輕松搜索瀏覽數(shù)據(jù)

下面是以lung?cancer為關(guān)鍵詞的檢索結(jié)果

但這樣，往往只能簡(jiǎn)單搜到一些完全匹配的數(shù)據(jù)，需要作者在Title里正好用了你使用的關(guān)鍵詞。

點(diǎn)擊鏈接，最后的頁面也會(huì)回到GEO DataSets和GEO Profiles?兩種檢索方式。

所以，下面我們分別演示這兩種不同的數(shù)據(jù)檢索方式。

2、Entrez的GEO?Profiles檢索

還是以lung cancer為例，我們檢索一下lung cancer的abcc1基因，我們?cè)贕EO首頁檢索框的下拉列表里選擇GEO?Profiles

可以得到如下結(jié)果，各種詳細(xì)信息都很清楚地展示出來。

這里特別強(qiáng)調(diào)一下黃框中兩個(gè)有用的信息，檢索語言和數(shù)據(jù)信息圖示。

在Search Details中可以清晰看出不同關(guān)鍵詞之間用布爾運(yùn)算符表示的邏輯關(guān)系。

特別要注意的是“l(fā)ung cancer”是作為一個(gè)完整的詞組進(jìn)行檢索；

如果要分別檢索“l(fā)ung”和“cancer”，

在“l(fā)ung cancer”中間加上“AND”就可以了。

每條明細(xì)后面的示意圖展示了數(shù)據(jù)集中不同分組的表達(dá)水平

點(diǎn)擊示意圖，可以查閱詳細(xì)的分組信息、表達(dá)水平和3樣本的具體信息。

3、Entrez的GEO Datasets檢索和分析

首先，我們?cè)谙吕蛑羞x擇Datasets。這個(gè)檢索框可檢索GPL、GSE、GDS、GSM，但實(shí)際應(yīng)用中，多數(shù)場(chǎng)景下只檢索GSE數(shù)據(jù)集。

我們輸入lung cancer cisplatin cisplatin resistant，關(guān)于肺癌抗性的關(guān)鍵詞，每個(gè)條目都列出了數(shù)據(jù)集明細(xì)。兩邊分別有根據(jù)數(shù)據(jù)集類型和來源的歸類整理。

例如，我們選擇DataSets數(shù)據(jù)集，就只顯示DataSets結(jié)果

點(diǎn)擊數(shù)據(jù)集標(biāo)題可以進(jìn)入詳情頁面，有數(shù)據(jù)集的各類信息明細(xì)，

我們可以先點(diǎn)擊查看熱圖

選擇熱圖指定區(qū)域，點(diǎn)擊查看Profiles

選擇Clustering，可以改變熱圖的分類方法和表現(xiàn)形式

回到詳情頁面，點(diǎn)擊Expression Profiles，我們可以查看所有該DataSets下所有Profiles

Data?Analysis?Tools則是一組在線分析小工具

首先是查看Profiles（也就是基因）

如果什么都不填，那和點(diǎn)擊點(diǎn)擊Expression Profiles的結(jié)果是一樣的，也就是查看所有的Profiles

如果填寫具體基因，就只看到該基因的結(jié)果

接下來，依次點(diǎn)擊不同小工具選項(xiàng)，按照需求選擇分析要求，可分別做差異分析、聚類和中位分布。

點(diǎn)擊Sample?Subset可獲得樣本信息

點(diǎn)擊DataSets所屬的GPL，可獲得GPL的詳細(xì)信息

點(diǎn)擊DataSets所屬的GSE，可獲得GSE的詳細(xì)信息

在GSE的詳情頁面，我們也可以訪問GSE中每一個(gè)GSM的詳情

三、GEO數(shù)據(jù)的下載和解讀

GEO數(shù)據(jù)庫提供了兩種數(shù)據(jù)：

原始數(shù)據(jù)：芯片掃描儀直接讀取的原始熒光信號(hào)數(shù)據(jù)

歸一化數(shù)據(jù)：芯片整體熒光信號(hào)背景校正，對(duì)所有表達(dá)情況做標(biāo)準(zhǔn)化和平衡，對(duì)異常值做處理，對(duì)熒光信號(hào)做計(jì)算轉(zhuǎn)化為數(shù)值變量。

在GSE中，我們可以看到這兩種數(shù)據(jù)

通常我們下載SOFT文件和Series Matrix文件。

但也不是所有歸一化后的文件都可用，我們要去GSM的詳細(xì)信息頁面中去找

一般，如下圖所示，RAM歸一化后的數(shù)據(jù)是可以直接用的，因?yàn)檫@樣的數(shù)據(jù)經(jīng)過log2處理，相差不大，分析計(jì)算結(jié)果比較可靠。

在下載原始數(shù)據(jù)時(shí)，有些GSE數(shù)據(jù)集可能體積很大，幾百M(fèi)甚至上G，NCBI因?yàn)槭敲绹W(wǎng)絡(luò)，服務(wù)器不穩(wěn)定，瀏覽器下載很容易中斷重來，建議使用迅雷下載。

別忘了加入免費(fèi)geo數(shù)據(jù)庫訓(xùn)練營~

從課題設(shè)計(jì)到數(shù)據(jù)挖掘，從文章復(fù)現(xiàn)到寫作投稿，輕松入門GEO數(shù)據(jù)庫，零代碼搞定5+生信文章！

https://m.helixlife.cn/trainings/d1a65e2e-bc8d-4649-a1d3-18a85556a6de/channel?c=b29a79fd-c4ab-471a-a5e4-97accc3941c9