GEOquery

1）介绍

来自NCBI的Gene Expression Omnibus（GEO）作为各种高通量实验数据的公共存储库。这些数据包括基于单通道和双通道微阵列的实验，测量mRNA，基因组DNA和蛋白质丰度；以及非阵列技术，如基因表达系列分析（SAGE）和质谱蛋白质组学数据。

在GEO最基本的组织级别中，用户可以提供四种实体类型：平台，样本,系列和GEO数据集。

1.1 平台(platforms)：

平台记录描述阵列上的元件列表（例如，cDNA，寡核苷酸探针组，ORF，抗体）或可在该实验中检测和定量的元件列表（例如，SAGE标签，肽）。每个平台记录都分配有唯一且稳定的GEO登录号（GPLxxx）。平台可以引用多个提交者提交的许多样本。

1.2 样品(samples)：

样品记录描述了处理单个样品的条件，它经历的操作以及从中得到的每个元素的丰度测量。每个样品记录都分配有唯一且稳定的GEO登录(GSMxxx）。 Sample实体必须仅引用一个Platform，并且可以包含在多个Series中。

1.3 系列(Series record)：

系列记录定义了一组被认为属于组的相关样本，样本如何相关，以及它们是否以及如何排序。系列提供了整个实验的焦点和描述。系列记录还可能包含描述提取数据，摘要结论或分析的表格。每个系列记录都分配有唯一且稳定的GEO登记号（GSExxx）。

1.4 DataSet(数据集)

GEO DataSet（GDSxxx）是GEO样本数据的精选集合。 GDS记录代表了一系列具有生物学和统计学意义的GEO样本，构成了GEO数据显示和分析工具套件的基础。 GDS中的样本指的是同一平台，即它们共享一组共同的探测元素。假设GDS中每个样本的值测量值以等效方式计算，即背景处理和标准化等考虑因素在整个数据集中是一致的。通过GDS子集提供反映实验设计的信息。

2）简单使用

GEO主要有2个函数，其他函数用处应该不大

2.1 getGEO：Get a GEO object from NCBI or ﬁle

library(GEOquery)

gse <- getGEO('GSE10', destdir=".")

gse[[1]]

raw_exprSet=exprs(gse[[1]]) #原始表达矩阵

pdata=(pData(gse[[1]]))    #临床信息

2.2 getGEOSuppFiles：Get Supplemental Files from GEO

a <- getGEOSuppFiles('GSM1137', fetch_files = FALSE)

a            #是CEL的url信息

巴特西