GEO数据挖掘

GEO TCGA：

数据下载：

首先在搜索栏搜索相应的癌症

一个课题Series里面有10个样本Samples，制作基因芯片的公司，检测平台，芯片编号等Platforms

点进自己需要的项目之后

点击

上面肿瘤组，下面正常组

分组，建组之后，数据很少，把相应的选中，再点组名放到组里面

根据p值由小到大一次排列，把具有统计学意义的基因筛查出来

P值，可以见到是由小到大的，p值越小，证明一个基因在正常组和肿瘤组间的差异越有统计学意义，t值是两组值t检验后的值

B：经贝叶斯调整后的得到的标准

LogFC：两组表达量间以2为底数的变化倍数（正常组比肿瘤组，再放上log2）

有些gene是空着的，这可能是还没研究清楚或者功能没确定

1.最好下载原始数据，不要下载矩阵数据，因为它有可能没有经过log2处理，探针表达量在几千几万以上，表达量在14以下，是经过log2处理的

2.原始数据里有探针信息没有基因信息，要利用平台的注释文件将探针转化为基因，通过基因表达量的差异筛选出不同组织间的差异基因

从上至下分别是平台文件，矩阵文件和原始文件

←关于探针

通过扫描得到DAT文件（荧光信号图像文件） 通过GCOS（图像处理软件）得到下面的文件，CEL文件通过RMA算法，背景矫正，标准化等处理得到基因表达数据，如果要处理数据，要选择CEL文件，不要选择其他类型的

将下载的文件解压，然后放到cel文件夹了，然后根据网页上的信息分类

然后运行代码，进行表格生成和合并