本文主要为后续的GEO挖掘与分析做铺垫，GEO数据库的入门级介绍。官网：https://www.ncbi.nlm.nih.gov/geo/
上图为后续介绍的总体脉络，可根据此进行系统学习。
1. 数据存放规律
总结版：一次检索可以得到多个GSEGEO Series（GSE）
GSE：有着完整实验设计的研究系列，一个GSE由多个GSM组成GEO Sample（GSM）每个GSM代表一个测序样本GEO Platform（GPL）GSE所使用的测序平台（可以得到芯片的类型或者二代测序仪的型号）GEO Dataset（GDS）不常用多个GSM整合后得到GDS啰嗦一句：GPL为芯片时，GPL的作用为注释探针（差异分析第二篇会讲）；GPL为二代测序时，基本不用看。
2. 数据所在位置、下载方式、下载结果的解读
1.GSE页面进入方式（2个）（1）每个GSE都有个编号 GSExxx，在官网（https://www.ncbi.nlm.nih.gov/geo/）输入GSExxx即可进入（以GSE189086）为例：
图片
（2）也可以点击搜索页面的标题即可进入系列页面：
图片
下载：
（1）Series Matrix下载在GSE页面的最下方有三种下载格式。（一般选择txt格式进行下载）
下载后文件的解读：下载后的txt.gz文件共包括3部分（测序数据仅包含前两个部分）：
-
研究来源信息（研究机构、研究者、发表时间、相关文献等）
-
每个样本的characteristics（组织来源、处理方式、处理时间等）
-
表达谱矩阵（每列代表一个样本，每行代表一个探针，探针注释后转化为基因）
（2）GPL下载（芯片数据用，包含芯片探针的注释信息）
图片
GPL文件下载后的具体内容：
第一列为探针信息，最后一列为对应的基因信息
此处分为两种情况：
-
如上图所示，gene symbol并未详细给出来的，需要使用ID转化或者正则表达式提取。
-
GPL下载后有单独一列gene symbol列，可直接用于gene注释
（3）supplementary file 下载
总结：
GEO中数据分布是较为系统的，但因为不同作者上传材料的完整度不同，导致分析流程也略有差异，特此整个转录组分析流程总结如下：
3. 说在最后
感谢能看到最后的读者，此文为整个GEO数据库的转录组挖掘四部曲中的第一部分，可能略有粗糙，不足之处还请各位批评指正，若有相关问题可在后台留言，尽量及时解决。
网友评论