GEO数据库数据下载方法总结

GEO是生信分析经常用到的数据库。经常需要从中获取表达矩阵，平台信息，meta信息等，本博文总结了几种下载GEO数据的方法，各有优劣，实际应用过程中自行选择适合自己的。

以数据集GSE1001为例， 可以直接点击“Series Matrix Files”获取该样本txt格式的表达谱数据，一般我们认为这种处理过的表达谱数据是没有问题的，当然，具体情况具体分析。 打开下载的文件可以看到许多“#”开头的行，这些是注释信息，一般关注这些注释信息中的“data processing”，这行中可以看到数据是如何归一化和标准化的，以及是否已经经过log转化等。 之后我们需要下载平台数据以注释表达谱中的探针，点击“GPL85”，点击下图中的红框， 之后可以用R进行表达谱和平台数据的合并。

注意！到这里我们获得的只是初步的表达数据，还没有经过预处理，需要用R处理多个探针对应一个表达值，无对应symbol，以及合并多个探针对应一个symbol的情况后才可进行后续分析。

优点：该方法的优点是下载较快，数据也比较完整。 缺点：无法直接得到metadata，需要手动通过GEO2R获取，或在表达谱的注释信息中寻找。

常用的R包有GEOquery，直接copy了“生信技能树”的代码，以下代码直接将表达谱封装成expression set对象，这有一个非常显著的优点即可以直接导入limma进行差异分析。