芯片数据分析笔记【04】 | ArrayExpress 数据库介绍

芯片数据分析笔记【01】 | 基因芯片的基本原理

芯片数据分析笔记【02】 | 芯片数据库

芯片数据分析笔记【03】 | GEO数据库使用教程及在线数据分析工具

---

NCBI 的基因表达综合数据库 GEO 和欧洲生物信息学研究所(EBI)的 ArrayExpress 是芯片数据的两个主要公共数据库。尽管它们具有不同的设计，但两个数据库都支持由 MIAME 定义的所有数据元素。因此 GEO 和ArrayExpress 数据库及数据集结构十分相似，可以类比的学习。ArrayExpress 数据库在 2002建立，开始收录芯片数据， 2008 年开始收录高通量测序数据，同样，近几年测序数据的增长量逐渐超过芯片数据。ArrayExpress 是 GEO 数据的一个良好的补充。

ArrayExpres数据库的主页链接（https://www.ebi.ac.uk/arrayexpress/）

进到主页之后，我们可以先看一下这个数据库的信息，比如它是功能基因组数据，目前有74700个实验的数据，2556953个芯片数据，60.91TB的存档数据，这都是在描述ArrayExpres数据库的数据量的大小。

我想要搜一个关于breast cancer 的研究，那我就输入关键字：breast cancer ，然后点击搜索。

搜索完之后，我们看一下结果，有2896个实验的研究出来了，其中有一些可能不是你想要的，我们可以加一些过滤条件以减少实验研究的数量。在左上角有一个"Filter search results"这个筛选工具，就是添加过滤条件的地方，我现在加一些条件，然后点击filter即可过滤。

过滤后的结果就少了很多。但是还是很多，我们可以在搜索的时候多添加关键词。

我把出来的这个结果对应的每个字段解释一哈：（以E-MTAB-8310为例）

• 1. Accession:数据库ID，芯片的数据库编号；

• 2. Title:题目也就是文章的研究方向；

• 3. Type:实验类型，转录组分析；

• 4. Organism：

  物种，研究的物种是人；

• 5. Assays：

  芯片样本数，有8个样品；

• 6. Released:上传日期，2021年3月2号；

• 7. Processed：

  处理过的数据（包括：

  矩阵数据和单样品数据）。

  如果这里有下载的箭头，可以下载到它们。

• 8. Raw:原始数据链接，打开后可以下载数据。下载的页面如下。

---

我们可以点击Accession ID 查看该数据集的详细信息，该信息页面也有下载数据的地址。

参考：https://mp.weixin.qq.com/s/UWMcXFjtydTU9W3JTnUrhA