利用GEO数据库进行芯片数据检索

GEO数据库网址：http://www.ncbi.nlm.nih.gov/geo

相信大家看到这个网址http://www.ncbi.nlm.nih.gov/都不会陌生，我们经常使用pubmed进行英文文献的检索。所以我们除了直接输入GEO数据库网址，另外一个途径就是通过NCBI界面的GEO DataSets 和GEO Profiles进行GEO的页面。

这里，我们就简单介绍一下GEO数据库，GEO（Gene Expression Omnibus）,基因表达综合数据库，收录了微阵列芯片、二代测序及其他形式的高通量基因组数据，最重要的是可以免费下载。GEO数据包括五种，platforms、samples、series、datasets和profiles。

platforms、samples、series、datasets命名都是G+平台缩写+流水号，profiles为流水号。

如platforms为G+PL+number；samples为G+SM+number; series为G+SE+number; datasets为G+DS+number。

GEO数据库包含两个子数据库，分别为GEO DataSets 和GEOProfiles，其中GEO Profiles只能检索Profiles(存储一个个基因在Datasets各分组中的表达谱)。GEO DataSets则是使用比较多的，接下来我们将介绍利用GEO DataSets进行芯片数据的检索。（这些数据库检索速度有点慢，需要耐心等待···）

举例：我们通过GEO Datasets 查询肺癌的m6A甲基化相关芯片数据。首先，我们输入关键词 lung cancer+m6A

通过左侧的那一栏，可以查询到Entry type（数据类型）、选择相应Organism（物种）、实验平台（study type）、Attribute name（样本类型）、及publication datas（出版时间）。

搜索lung cancer+m6A，我们发现数据类型中，Datasets（0），Series（13），Samples

，Platforms（0）。我们打开8条数据（通过搜索出来的信息概要，根据自己需要的筛选相应的信息）。可以看到它相应的Series信息，上面显示的Status（出版时间）、Title（题目）、Organism（物种）、Experiment study（研究实验平台类型）、Summary（概要）、Overalldesign（设计描述）、以及一些作者信息、引用信息、platforms、Samples等。

接下来，我们要对我们搜索的数据进行下载，拉到搜索完成的页面底部，发现有Download family，前面描述过有三种文件格式，分别为SOFT、MINiML、TXT。其中SOFT是TXT格式所有文件结果，MINiML是EXL所有文件结果，这两个数据都比较大，不利于下载分析。我们通常选择Series Matrix Files（txt）下载，这个进过矩阵处理，可以直接用于分析。

直接点击需要下载的文件，以Series Matrix Files为例，点击后跳出相应对话框，点击下载即可。

今天就分享这些，下次再见啦！