生物信息复习笔记（3）——GEO数据库

Platform：测序平台信息。不同测序平台对每一个基因编号不一样。拿到测序结果之后只是知道了某个基因ID的表达情况，需要将基因ID匹配成对应的基因，需要根据Platform信息去注释。

GSM：样本。一个测序数据集里有很多个GSM，点进去可以看到该样本的各种信息（样本来源，临床表征，各种处理样本方式，处理数据方式）。

GSE：包含所有信息的完整数据集。（最重要）

做生信样本量不能少：30以上。

精准搜索方式：GEO首页--Series--Search（Accession数据集编号，Title数据集解释）--点击物种Organism进行筛选--选好数据集后点击Accession进入（Experiment type实验方式，Platforms测序平台信息）--点击Samples查看样本信息（os是生存时间，os_event是否出现阳性结果，Value标准化后的数据，Data processing数据处理，可以找到标准化的方式）

在数据集页面底部有最关注的Series Matrix File（通过文件大小可判断文件里是否包含表达信息，临床信息，不包含这些信息的需要去Supplementary File下载）和Supplementary file（Non-normalization是为标准化有count数据，raw是无count数据）

Matrix文件：

exoerimentData:实验信息

**assayData：表达信息

**phenoData：临床信息

用R下载GEO数据：

setwd("C:/Users/Fengsj/Desktop/R")
library(R.utils)
library(GEOquery)
library(Biobase)

##用R在GEO下载数据，把下载的数据赋值到gset变量
gset <- getGEO('GSE65858',       ##GSE数据集
               destdir = '.',    ##目标文件夹
               AnnotGPL = F,     ##是否使用Annotation GPL，注释基因的文件，很多数据集没有这个
               getGPL = F        ##是否一并下载GPL信息，用于注释基因
               )

gset[[1]]
expr <- exprs(gset[[1]])    ##**assayData：表达信息 把表达信息赋值到expr，很多数据集没有表达数据，解决办法：在GEO网站的数据集页面底部下载Supplementary file里的raw文件，下载后再导入R语言进行后续分析
pd <- pData(gset[[1]])      ##**phenoData：临床信息 把临床信息赋值到pd