本文由医信融合团队成员“陈浩然”撰写，已同步至微信公众号“医信融合创新沙龙”与“研究生学生信”，更多精彩内容欢迎关注！

本文主要为后续的GEO挖掘与分析做铺垫，GEO数据库的入门级介绍。

官网：https://www.ncbi.nlm.nih.gov/geo/

上图为后续介绍的总体脉络，可根据此进行系统学习。

1.数据存放规律

总结版：

一次检索可以得到多个GSE

GEO Series（GSE）

GSE：有着完整实验设计的研究系列，一个GSE由多个GSM组成

GEO Sample（GSM）

每个GSM代表一个测序样本

GEO Platform（GPL）

GSE所使用的测序平台（可以得到芯片的类型或者二代测序仪的型号）

GEO Dataset（GDS）不常用

多个GSM整合后得到GDS

啰嗦一句：GPL为芯片时，GPL的作用为注释探针（差异分析第二篇会讲）；GPL为二代测序时，基本不用看。

2.数据所在位置、下载方式、下载结果的解读

1.GSE页面进入方式（2个）

（1）每个GSE都有个编号GSExxx，在官网（https://www.ncbi.nlm.nih.gov/geo/）输入GSExxx即可进入（以GSE189086）为例：

（2）也可以点击搜索页面的标题即可进入系列页面：

下载：
（1）Series Matrix下载

在GSE页面的最下方有三种下载格式。（一般选择txt格式进行下载）

下载后文件的解读：

下载后的txt.gz文件共包括3部分（测序数据仅包含前两个部分）：

1. 研究来源信息（研究机构、研究者、发表时间、相关文献等）

2. 每个样本的characteristics（组织来源、处理方式、处理时间等）****

3. 表达谱矩阵（每列代表一个样本，每行代表一个探针，探针注释后转化为基因）*

（2）GPL下载（芯片数据用，包含芯片探针的注释信息）

GPL文件下载后的具体内容：

第一列为探针信息，最后一列为对应的基因信息

此处分为两种情况：

1. 如上图所示，gene symbol并未详细给出来的，需要使用ID转化或者正则表达式提取。

2. GPL下载后有单独一列gene symbol列，可直接用于gene注释

（3）supplementary file下载

总结：

GEO中数据分布是较为系统的，但因为不同作者上传材料的完整度不同，导致分析流程也略有差异，特此整个转录组分析流程总结如下：

3.说在最后

感谢能看到最后的读者，此文为整个GEO数据库的转录组挖掘四部曲中的第一部分，可能略有粗糙，不足之处还请各位批评指正，若有相关问题可在后台留言，尽量及时解决。

图文：陈浩然

本文编辑：莫状