生信全书 挑 第二节：GEO数据库

第二节:GEO 数据库

GEO，全称 Gene Expression Omnibus(基因表达综合数据库)

GEO 数据库收录的数据类型有:

image

1)基因芯片或高通量测序的基因表达数据，包括 ncRNA

2)基因芯片或高通量测序的 ChIP 数据

3)基因芯片或高通量测序的基因组甲基化数据

4)高通量实时定量 PCR 的数据

5)微阵列比较基因组杂交技术(arrayCGH)的基因组变异数据

6)单核苷酸多态性(SNP)芯片数据

7)基因表达系列分析(SAGE)的数据

8)蛋白芯片数据

9)十几组大规模平行测序 MPSS 数据

10)十几组质谱 MS 数据

11)其他

GEO 数据库的数据组织结构

GEO 数据库的数据组织结构

GEO 数据有五种:Platforms(平台)、Samples(样本)、Series(系列)、DataSets(数据集) 以及 Profiles(基因表达谱)

GEO DataSets

• 以数据集为单位，存储整个实验的数据

• Platforms(平台)、Samples(样本)、Series(系列)、DataSets (数据集)

• 四种数据都有 GEO 专门分配的唯一编号（“G”+ 平台缩写 + 流水号），指向唯一的数据

  • Samples:是指实验中的样本，包括样本名称、类型、样本处理方案等信息及样本对应的检测数据，每个样本 分配一个编号，以“GSM”开头，如 GSM134584

  • Series:是将构成某个实验的相关样本集中到一个有生物意义的数据集，包括实验设计、描述、组别和样本等信息以及检测数据文件， 以“GSE”开头，如 GSE5764;

  • Platforms :是指高通量实验检测所用的工具，Platform包括平台名称、描述、阵列注释等信息和文件，平台的编号以“GPL”开头，如 GPL570;

  • DataSets:被分析好的 Series 数据，分配以“GDS”开头的编号， 如 GDS2635

GEO Profiles

• 以基因为单位，一个基因在一次试验中的定量表达数据

  • Profiles： 都存储在 GEO Profiles 子数据库中，即存储单个基因在 DataSets 各分组中的表达谱，分配的是流水号，如 33759453

image