如此简单吗？一文拿捏GEO数据库芯片数据下载及差异分析
尔云间 一个专门做科研的团队
欢迎点赞+收藏+关注
生信人R语言学习必备
立刻拥有一个Rstudio账号
开启升级模式吧
（56线程，256G内存，个人存储1T）
通过该推文，你将完全掌握GEO公共数据下载和差异分析，非常非常适合小白，如果你有数据挖掘的想法，接下来马上跟着小果开始今天的学习之旅，相信你会收获满满。
1. 如何获得相关疾病的GEO数据库ID
在进行实操之前，最重要的是要获得相关疾病的GEO数据库ID，如何获得呢？不慌！小果为大家介绍两种常用的方法。第一种方法是通过NCBI GEO DataSets 数据库下载，可以直接输入想查询的疾病名称就可以进行搜索获得相应的数据，网址为：https://www.ncbi.nlm.nih.gov/gds/?term=GSE70494
第二种方法是通过以发表的文献来查询相关疾病的GEO ID，小果是通过PubMed来查询，只需要输入相关疾病关键字和GEO就可以搜索到相关文章和GEO ID，该网址为：https://pubmed.ncbi.nlm.nih.gov/?term=gene+family
一般通过这两种方法就可以获取自己想要的GEO ID，通过小果的方法获得ID后，就可以跟着小果开始今天的实操分析啦，其实就是这么简单！！！哈哈哈哈哈。。。。。。。。
2. 导入需要的R包
3. 从GEO下载表达矩阵和芯片注释注释文件
#小果来画重点啦！不同的测序平台芯片注释信息可能有差异奥，在提取注释信息的时候要根据不同平台格式灵活处理，本实例数据测序平台为GPL3912，可以点击查看注释信息内容。点击GPL3912，就可以看到芯片完整注释信息：
4.把表达矩阵的探针ID换成Gene Symbol
5.按照实验设计整理分组信息
#分组矩阵（design）已构建好
6.利用limma 包进行差异分析
#把全部基因的limma分析结果保存到文件
7.结果文件
1. gplTOgene.csv
该结果文件为探针id对应的Gene symbol和entrez_id，第一列为探针ID，第二列为Gene symbol,第三列为entrez_id。
2. easy_input_expr.csv
该结果文件为处理好的表达矩阵文件，行名为Gene symbol,列名为对应的样本名。
3. easy_input_pheno.txt
该结果文件为提取的样本分组文件。
4. easy_input_limma.csv
该结果文件为通过limma包进行差异分析结果文件，行名为Gene symbol,第一列为log2FC，第四列为Pvalue值，第五列为矫正后的Pvalue值。
今天小果的分享就到这里啦！如果小伙伴有其他数据分析需求，可以尝试本公司新开发的生信分析小工具云平台，零代码完成分析，非常方便奥，
云平台网址为：http://www.biocloudservice.com/home.html,
包括了GEO数据下载(http://www.biocloudservice.com/371/371.php),limma+gsva(http://www.biocloudservice.com/371/371.php)等小工具，欢迎大家和小果一起讨论学习哈！！！！
“生信果”，生信入门、R语言、生信图解读与绘制、软件操作、代码复现、生信硬核知识技能、服务器、生物信息学的教程，以及基于R的分析和可视化等原创内容，一起见证小白和大佬的成长。
