一牲阁，對GEO的簡單介紹，下載數(shù)據(jù)
個人認為负敏，對GEO那些復(fù)雜的介紹贡茅，我是根本記不住。所以我挑選了一些必須用到其做，容易記住和理解的知識給大家顶考。
一：首先是對GSE，GSM , 和Platforms的介紹
? GSE：想必大家在看文獻的時候妖泄，都可以發(fā)現(xiàn)驹沿，此文獻從GSExxxxx獲取數(shù)據(jù)并進行分析的。GSE就是一個數(shù)據(jù)集蹈胡，里面包含了很多GSM渊季。個人理解：你可以把GSExxxxx整體當作一個實驗，里面有control 和 treatment , 而GSE里面包含的一個個GSM罚渐，就是你制的樣却汉。
? GSM：就是當時測序人員設(shè)計的一個個樣本進行測序，然后將結(jié)果匯集到GSE中
? Platforms : 測序平臺荷并，為什么要講這個呢合砂？、當我們下載GEO數(shù)據(jù)后源织，我們會發(fā)現(xiàn)翩伪，表達矩陣中的表達量對應(yīng)的是探針名稱而不是gene_symbol，因為在分析過程中我們需要將探針名稱轉(zhuǎn)化為gene_symbol 谈息，所以就要追本溯源缘屹，從Platforms中獲得探針對應(yīng)的gene_symbol ,從而進行下一步分析。
二侠仇，進入GEO之后囊颅，我們需要干什么
? 1，看summary ，里面有對實驗的介紹踢代，大致了解一下這個GSE是干什么的
? 2 盲憎，重點看overall design ，這個很重要胳挎，包含了分組信息饼疙，因為我們分析差異基因的時候需要進行分組，因為只有分組才能看出差異呀慕爬。 當然窑眯，一般overall design都會包含分組信息的，假如沒在overall design 明確寫明的話医窿，下面也會有 Analyze with GEO2R ,打開后會看到分組信息磅甩。
GEO2R里的分組情況（這里是tumor vs normal）
二，進入GEO之后姥卢，我們需要干什么
? 1卷要，看summary ，里面有對實驗的介紹独榴，大致了解一下這個GSE是干什么的
? 2 僧叉，重點看overall design ，這個很重要棺榔，包含了分組信息瓶堕，因為我們分析差異基因的時候需要進行分組，因為只有分組才能看出差異呀症歇。 當然郎笆，一般overall design都會包含分組信息的，假如沒在overall design 明確寫明的話忘晤，下面也會有 Analyze with GEO2R ,打開后會看到分組信息宛蚓。
3，記錄Platforms 德频，看它來源于哪個平臺 苍息。
4缩幸，Samples 壹置， 里面包含了多少樣本，即包含了多少GSMxxxxx
5表谊，下載表達矩陣數(shù)據(jù)
三钞护，下載解壓之后載入到R中
? 下載好之后，我們最好先對文件進行解壓爆办，不解壓也能在R中打開难咕，但是聽說可能會和解壓后的結(jié)果不一致（原諒我也沒試過）。解壓過后，我們可以先用文本編輯器查看一下下載的表達矩陣余佃。
我們發(fā)現(xiàn)暮刃，在表達矩陣上面都是感嘆號開頭的信息，所以我們在讀入這部分數(shù)據(jù)的時候爆土，需要把帶有感嘆號的去掉椭懊。
#先解壓GSE42872_series_matrix.txt.gz，注意解壓到當前目錄步势，再讀入
exprSet=read.table("GSE42872_series_matrix.txt",comment.char="!",stringsAsFactors=F,header=T)
#comment.char="!" 意思是氧猬！后面的內(nèi)容不要讀取，可以打開文件看一下?read.table
#stringsAsFactors = F 是不想讓我們的字符串因子化
# header = T 是表明我們是由表頭存在的
今天的分享就到這里了坏瘩，想要對GEO盅抚，TCGA分析，需要對R語言有幾分基礎(chǔ)倔矾，我會盡最大努力把每一步妄均，每個代碼解釋清楚。我也會分享我學習R和python的總結(jié)破讨。因為我也是零基礎(chǔ)學習生信丛晦，所以可能理解又不到位的地方，希望大家批評指正提陶。同時也希望大家能借助這個平臺共同進步烫沙。
