一、数据库：NCBI数据库
二、主要内容：GEO芯片检索，下载矩阵文件
三、分析案例：cervical cancer 宫颈癌
三：概念介绍
1、为了支持公共使用和散布基因表达数据，NCBI开始了基因表达汇编（GEO）计划。GEO是努力建立一个基因表达数据仓库和在线资源，用于从任何物种或人造的来源检索基因表达数据。来自microarray，高密度寡核苷酸array（HAD），杂交膜（filter）和SAGE的许多类型的基因表达数据都被接受，登记，和存档，作为一个公共数据集合。一系列预先计算的数据的定义和描述，以及用于交互检索和分析这些表达数据的在线工具即将放入。

2、平台（Platform）：平台数据包含阵列或序列，以及阵列平台的简要描述，每一个平台都分配一个特有的检索号GPL***
3、样本（Sample）：以一个平台为基础、描述某个杂交实验室或者实验条件的所有特征因素的大量测量信息，即关于被检查的mRNA样本，实验条件，和实验产生的基因表达测量数据信息。每一个样本有一个而且只有一个必须被先前确定的亲代平台，同一个提交者，一个平台和许多序列有关。每个样本均分配一个特有的检索号：GSM***
4、系列：样本收集，样本是如何相关的，如何排序的，分析是如何进行的，和聚类数据是如何获得的信息。
三、步骤：
1、登录NCBI官网，网址：https://www.ncbi.nlm.nih.gov/geo/

选择TOOL下面的“Search for Studies at GEO DataSets”进入搜索页面
2、在检索框输入：cervical cancer （乐老师最近研究重点就是CESC宫颈鳞状细胞癌，TCGA数据库也是研究这个癌症）
点击Search开始检索，得到的结果是芯片数据

3、我们以“Lymph node-positive, early stage cervical cancer”这个芯片为例，来继续讲解，点击标题进入芯片介绍页面。
主要包括几方面的信息：Title标题、Summary摘要、Organism物种、Platform平台、Citation引用、Reference Series系列、Sample count样本数目

4、芯片选择标准：
4.1、主要考虑研究方向，标题相关性，“淋巴结阳性，早期宫颈癌”与我们研究课题比较相关
4.2、平台文件，芯片平台是不是常见平台文件
4.3、样本数目，获得一定样本数目的芯片是差异分析的前提

 

5、点击GSE26511，这个是芯片的检索号，进入芯片详情页面
重点关注芯片的简介信息，样本的分类，一般情况下样本是normal和tumor两大类，这个也是后续做差异分析的基础。

6、下载表达矩阵，以及平台文件
平台文件下载方法：点击GPL570，进入平台详情页，找到"Annotation SOFT table"即可下载

矩阵文件下载方法：在GSE26511详情页面，点击“Series Matrix File(s)”，即可进入FTP页面，点击“GSE26511_series_matrix.txt.gz”即可下载矩阵文件

接下来是如何用矩阵文件和平台文件，得到GENE矩阵文件。我们下节课再讲解。