GEO数据挖掘（一）基础介绍

生信技能树学徒学习第二周

一、GEO数据库简介

       GEO全称Gene Expression Omnibus data base，由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库(通过NCBI首页，All Databases下拉框中选择GEO DataSets)。收录了世界各国研究机构提交的高通量基因表达数据。2000年开始建立的时候，主要是表达芯片数据，但是之后随着数据库的流行，逐渐扩展业务到许多其它的高通量数据，比如：甲基化（genome methylation），染色质结构（chromatinstructure），基因组-蛋白交互作用（genome-protein interaction）等。

我们寻找数据集时注意以下三个信息：

GEO Series (GSE)：研究项目的ID，我们可以通过搜索研究的id号来找到相关的基因数据集

GEO Sample (GSM) ：样本ID号，同一个数据集中每个样品ID是不同的，在后续分析中我们也可以获取到不同样品的处理方式和基本信息

GEOPlatform (GPL) 芯片平台：不同芯片平台的基因注释是有差异的，正确的基因平台注释我有助于下游分析的成功

基因芯片是通过基因探针与序列的结合来，来确定基因的表达

二、GEO数据挖掘的分析思路

1.实验数据设计

实验目的