官方认定的不编程差异分析工具。
![83b10d5b93357e3cccc80cf58d800beb.png](https://i-blog.csdnimg.cn/blog_migrate/7ab6758985f76d35b598d819816caefa.jpeg)
01
在第一课《芯片标准分析流程》中,R语言是生信分析的基础,在线数据库差异分析也大多基于R语言Limma包,因此本模块第一节课则简单介绍了基于R语言的芯片标准分析流程,包括相关准备工作的完成、数据的预处理、差异基因分析和可视化。![21ff13d008ea721fdc90aef582670d61.png](https://i-blog.csdnimg.cn/blog_migrate/2918d40ee421afea24d96b7686995387.png)
![ea2a5211424af6cb62370fd4ef7686e4.png](https://i-blog.csdnimg.cn/blog_migrate/51b3fd2512cdc3cf8b761a98fdb4610b.png)
![803680adb55752aa33239c8b829ba201.png](https://i-blog.csdnimg.cn/blog_migrate/255614a80a98eb6d74467bbc9be14e3c.png)
随后,课程中也比较了芯片在线分析流程与R语言分析流程的异同。
![da09b9b5481c6aa09f3e7aa13cb46ab1.png](https://i-blog.csdnimg.cn/blog_migrate/ff0091752058552fdb5e4af17e1c008e.png)
其次,课程简要介绍了3个芯片分析数据库:NetworkAnalyst、GEO和GCBI数据库,学员们在了解这三个数据库的优缺点后,根据自己的科研需求选择合适的数据库进行芯片数据分析。
![a2a6bce250f0f112a488a231838de941.png](https://i-blog.csdnimg.cn/blog_migrate/55d67d325aaf75d1ec532d75c4f0aaa4.png)
![f9fd734eef7ede762fa591acf875f24c.png](https://i-blog.csdnimg.cn/blog_migrate/c7171c689e1fb8afec533a9a047ed59c.png)
![6c5df6cc05dcecf20bb545c3059add5d.png](https://i-blog.csdnimg.cn/blog_migrate/71c779f1b5cedcd2b52a9a6fdfddfb7c.png)
02
GEO2R是GEO数据库提供的在线工具,主要用于比较2组或多组样本,以获得差异性表达的基因。
GEO 2R主要是对系列数据(series)进行分析,但不是所有系列数据都能用GEO2R工具进行分析,比如测序数据就不能使用GEO2R,对于这类数据,工具栏中的“Analyze with GEO2R”按钮不会显示。
课程以肺癌相关基因表达谱为例,具体讲解了基因表达数据库GEO的分析工具GEO2R的具体使用方法以及数据解读。 1.GEO2R操作方法![e2999b22d98b778221598574b108cd99.png](https://i-blog.csdnimg.cn/blog_migrate/af281b7272241fb450be31a22f3836ed.png)
![636d0c1b3762acf739cd433f7e3796ba.png](https://i-blog.csdnimg.cn/blog_migrate/f47222b7837ff99a97e4b74782bb8243.png)
![685482cd14eb1c7e815928c5ad3860e0.png](https://i-blog.csdnimg.cn/blog_migrate/05a0a7d78d1cc0e8c38dfb63e2161c54.png)
![83b10d5b93357e3cccc80cf58d800beb.png](https://i-blog.csdnimg.cn/blog_migrate/7ab6758985f76d35b598d819816caefa.jpeg)