GEO Gene Expression Omnibus

GEO  Gene Expression Omnibus 基因表达数据库

网址：https://www.ncbi.nlm.nih.gov/geo/

GEO的数据存储方式

GEO数据库具体存放四类数据：GSE、GDS、GSM、GPL

GEO Series Study  GSE号（GSExxx）对应的是整个研究项目的系列的数据，可能会涉及不同平台。

GEO DataSet  GDS号（GDSxxx）对应的是一个同一平台的数据集，这些包括包括从微整列和高通量序列技术生成的数据。

GEO Sample  GSM号（GSMxxx）对应单一样本的数据信息，它只能是单一平台的数据

GEO Platform GPL号（GPLxxx）对应一个平台的信息，一般不接触

通常 GSE和GDS中会包含多个GSM数据

另外，GEO Profiles数据库是GEO的工作人员根据用户提交的数据整理后的数据，倾向于某个基因在不同数据集中的表达情况。

GEO数据检索与下载

GEO数据库支持关键字检索和布尔逻辑，和使用pubmed非常相似，一般我们都是在GEO DataSets数据库中检索

R包的安装与下载数据

GEOquery 的官网 http://www.bioconductor.org/packages/release/bioc/html/GEOquery.html

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("GEOquery")

利用 GSE 号下载

通过阅读文献查找感兴趣的GSE号，下载对应的表达数据和平台信息等，可以利用GEOquery中的getGEO()函数下载series_matrix.txt。例如GSE57820：

> library(GEOquery)

> # destdir设置当前目录，getGPL 和AnnotGPL都设置TRUE，可以下载和获得平台的注释文件

> GSE57820 <- getGEO("GSE57820", GSEMatrix =TRUE, destdir = ".", getGPL = T, AnnotGPL = T)

利用GDS号下载

> GDS6100 <- getGEO("GDS6100", GSEMatrix =TRUE, destdir = ".", getGPL = T, AnnotGPL = T)

利用GSM号下载

利用GSM号下载的是单样本的表达数据，例如GSM1394594

> GSM1394594 <- getGEO("GSM1394594", GSEMatrix =TRUE, destdir = ".", getGPL = T, AnnotGPL = T)

利用GPL号下载

针对芯片平台，利用GPL号下载得到的数据是芯片的设计和注释信息，可以获得探针组和基因的对应关系，例如GPL10558：

> GPL10558 <- getGEO("GPL10558", GSEMatrix =TRUE, destdir = ".", getGPL = T, AnnotGPL = T)

 

参考

https://www.jianshu.com/p/0d32fd410bcf