GEO數(shù)據(jù)庫是當(dāng)今最大、最全面，公開的基因表達(dá)數(shù)據(jù)資源，上面包含不同分組的臨床樣本的多個(gè)基因的表達(dá)量水平信息，比如腫瘤組織和正常組織的基因表達(dá)差異，我們可以認(rèn)為：那些在腫瘤組織中高表達(dá)的基因很可能和腫瘤發(fā)生轉(zhuǎn)移相關(guān)，由此指導(dǎo)我們的課題方向，課題思路，甚至寫出一篇文章。
而這一切都是現(xiàn)成的，并不需要你花錢自己去測序，甚至不用做實(shí)驗(yàn)，所以利用Geo數(shù)據(jù)庫這種“零成本”發(fā)文章的方法讓很多臨床的小伙伴屢試不爽。
由上可知，要利用這個(gè)數(shù)據(jù)庫的數(shù)據(jù)，首先要下載到樣本信息（腫瘤還是正常組織）和基因表達(dá)信息（基因表達(dá)量），對數(shù)據(jù)的下載，目前GEO數(shù)據(jù)庫提供的下載主要有兩種方式：
一、原始數(shù)據(jù)下載
二、處理好的矩陣下載
很遺憾，以上兩種方式下載的數(shù)據(jù)都不能一步到位到后續(xù)的分析中，對于初涉生信的同學(xué)來說，不同測序平臺，芯片平臺，不同探針對應(yīng)形式復(fù)雜，更是對數(shù)據(jù)處理一頭霧水。GEO芯片數(shù)據(jù)轉(zhuǎn)換器旨在提供一個(gè)一步到位的方法將提取GEO芯片數(shù)據(jù)的樣本信息和基因表達(dá)數(shù)據(jù)，工具視圖如下：
從圖中可以看出，界面極其簡潔，一看就會。
step1：導(dǎo)入從GEO下載好的數(shù)據(jù)
step2：點(diǎn)擊導(dǎo)出樣本信息（臨床信息，比如是腫瘤組織還是正常組織，分期等，便于分組）
step3：選擇要轉(zhuǎn)換的ID(比如探針轉(zhuǎn)換gene symbol),選擇需要提取的數(shù)據(jù)列
step4：導(dǎo)出數(shù)據(jù)矩陣（基因表達(dá)信息，比如這個(gè)樣本某個(gè)基因的表達(dá)量高低）
由以上處理后，不同探針都可以轉(zhuǎn)換成統(tǒng)一的不同組織對應(yīng)相應(yīng)的基因表達(dá)量數(shù)據(jù)，也就可以實(shí)現(xiàn)推文開頭說的目的了。
工具下載鏈接：http://gap.shengxin.ren/tool/8/（點(diǎn)擊閱讀全文直達(dá)）
以GEO芯片數(shù)據(jù)GSE14520為例（不懂哪里下，點(diǎn)這里）：
首先從GEO下載GSE14520數(shù)據(jù):
從圖中可以看出共有488個(gè)樣本，我們選擇MINiML格式的數(shù)據(jù)（軟件只支持該格式），下載完：
然后我們將該文件導(dǎo)入到軟件中：
從圖中可以看出，軟件將該文件解析出來兩個(gè)平臺的數(shù)據(jù)GPL571和GPL3921,樣本數(shù)與下載時(shí)頁面顯示一致，我們點(diǎn)擊導(dǎo)出樣本信息：
最終得到了SampleInfo.xls，打開文件看看如下：
從圖中可以看出我們成功的導(dǎo)出了樣本的臨床信息，主要表中的分號，分號分割的是多次隨訪，有些樣本可能存在多次回訪，所以該信息我們使用分號分割
下面我們導(dǎo)出樣本數(shù)據(jù)矩陣，首先我們需要選擇導(dǎo)出來的矩陣中是探針形式的還是genesymbol等其他ID形式的：
如圖，我們選擇geneSymbol形式導(dǎo)出，下一步我們需要選擇導(dǎo)出的數(shù)據(jù)列，這個(gè)例子中只有兩列：Column1、Column2，從左側(cè)的表中我們可以知道Column2是數(shù)據(jù)列，所以在step2中選擇Column2，對于當(dāng)多個(gè)探針對應(yīng)一個(gè)基因是我們選擇其中位數(shù)代表該基因的表達(dá)值，當(dāng)然軟件提供了三種方式，都可以選擇，如下圖：
點(diǎn)擊導(dǎo)出數(shù)據(jù)矩陣：
這樣我們就將這套GSE數(shù)據(jù)中的GPL571平臺的43個(gè)樣本的數(shù)據(jù)導(dǎo)出來了，使用Excel打開數(shù)據(jù)Merge_GPL571.expro.txt如下：
以上對應(yīng)的是不同樣本的多個(gè)基因的表達(dá)量信息。
獲得以上2種信息后，就可以導(dǎo)入到其他生信小工具進(jìn)行各種分析，各種圖啦！
