芯片、二代测序的差别及GEO数据库界面

一、GEO基本界面

GEO主要的四类数据：

1、GEO Dataset (GDS)：人工整理的某个类别的GSM集合

2、★GEO Series (GSE)：所有样本的实验数据集合

3、GEO Sample (GSM)：样本的实验数据

4、GEO Platform (GPL)：GPL是芯片的平台，如Affmetrix, Aglent等

• 一篇文章可有多个GSE数据集，一个GSE可有多个GSM样本；多个GSM可根据研究目的整合为一个GDS但使用少；每个GSE都有着对应的芯片平台，就是GPL。
• 芯片、NGS GEO差别主要在原始数据、表达矩阵所处位置，是否需要测序注释信息等

二、高通量测序/二代测序技术/NGS

1、简介：原理等同于PCR，属于基因全序列测定；由于PCR放大过程，因此灵敏度较好，但片段的浓度比例不准确，定量不准；成本较高，但可以发现差异基因、未知基因

2、数据分布及R实现：数据呈离散形式，表达量越高、read占比越大、越容易被检出，read、count服从泊松分布，不能直接用正态分布t检验、方差分析，应采用DESeq2、apeglm、edgeR包进行分析，仅能对count矩阵（都是非负整数）进行分析，而非fpkm、芯片数据

3、GEO界面

4、原始数据

• SRA是测序最原始数据存储点，NGS需点击进入SRA网页下载每个样本原始数据；
• SRA结果为fasq文件（欲分析原始数据则需先将SRA下载的文件转为fasq文件再进行后面分析），经质控、去除测序接头、比对等操作，将reads数兼并为count表达值，再进行差异分析；
• GSM、download family、supplementary file栏目中为处理后的下游数据，须在在GSE界面中查看处理方式调整R处理参数

 

5、表达矩阵所处位置：Supplementary file

6、是否需要测序注释信息：无需下载GPL平台注释名，其表达矩阵的行名即为基因注释信息

三、基因芯片/DNA 微阵列/DNA micro-array

1、简介：原理等同于核酸杂交，属于部分序列测定；将大量已知序列（目标序列，疾病序列等）的探针集成在同一个基片上, 经探针杂交、测序；只有能与探针杂交的测序才可被检测出，不会显示全序列，定量准确；快速灵敏、样本用量少、成本低廉。

2、数据分布及R实现：数据连续，服从正态分布，差异分析可用t检验、方差分析（limma包）

3、GEO界面

 

4、原始数据：芯片数据中的在supplementary file 栏目 raw data下载连接中

5、表达矩阵所处位置：Download family栏

6、是否需要测序注释信息：表达矩阵行名为探针名，需从GPL下载注释文件