GEOquery

linux从零开始

因为之前已写过GEO芯片的详细处理，这里主要对GEO数据库进行介绍，及GEOquery 的简单使用

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

[Python] 纯文本查看 复制代码

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

[Python] 纯文本查看 复制代码

a <- getGEOSuppFiles('GSM1137', fetch_files = FALSE)
a            #是CEL的url信息