数据篇01 | GEO数据库介绍与数据下载

    GEO是由美国国家生物技术信息中心（NCBI）建立和维护的一个公共数据库，主要用于收集和存储高通量功能基因组学数据，包括RNA-seq单细胞测序，DNA甲基化以及基因芯片数据等。
网址：https://www.ncbi.nlm.nih.gov/geo/

主页介绍

Getting Started：GEO使用教程
Tools：包含一些常用工具与功能，比如Search for Studies 用来查找数据，Search for Gene Expression用来查找基因表达情况，GEO2R是基于limma 包的网页版界面，寻找差异基因Browse Content：查看GEO 中所有项目、样本、平台等的总览信息

数据介绍

GSE：项目编号，表示一个完整的研究项目。通常对应一篇论文或一次实验，包含多个样本（GSM）和使用的平台（GPL）信息，可以从中下载表达矩阵或查看实验设计描述。
GSM：样本编号，表示一个具体的实验样本。每个 GSM 包含该样本的处理信息（如处理组/对照组）、组织来源、物种等。可以下载该样本的原始数据文件（如 FASTQ、CEL、counts）GPL：平台编号，表示用于实验的测序平台或芯片设计。包含该平台上所有探针或测序位点的注释信息，决定了表达矩阵中每一行的意义（基因名/探针 ID）。

数据下载

1.手动下载

Series Matrix File：GEO官方预处理好的表达矩阵，适合直接分析。
Supplementary Files：补充数据下载，如原始数据、注释表、稀疏矩阵等

2.代码下载（推荐）
使用GEOquery下载数据（R包），需要输入想要下载的数据编号。

# 安装 GEOquery（如未安装）
if (!requireNamespace("GEOquery", quietly = TRUE)) 
{  install.packages("BiocManager") BiocManager::install("GEOquery")}
library(GEOquery)
# 输入数据编号
gse <- getGEO("GSE241226", GSEMatrix = TRUE)
# 提取表达矩阵
expr_matrix <- exprs(gse[[1]])
# 提取样本信息
sample_info <- pData(gse[[1]])
# 保存表达矩阵
write.csv(expr_matrix, file = "GSE241226_expression_matrix.csv")# 保存样本信息write.csv(sample_info, file = "GSE241226_sample_metadata.csv")

结果包含的是Series Matrix数据，通常包含以下信息：

experimentData：描述实验设计信息，如题目、摘要、实验者、文献引用等。
assayData：表达量矩阵数据，真正的数值存储位置。
phenoData：样本注释信息例如组别、细胞类型、处理条件等
featureData：基因（探针）注释信息。
annotation：表示数据使用的平台编号。
protocolData：实验过程（protocol）信息，常常为空。