GEO数据库架构介绍

欢迎关注”生信修炼手册”!

GEO是一个国际化的开源项目，允许研究者提交自己的数据到该数据库，在世界范围内公开共享自己的数据，网址如下

https://www.ncbi.nlm.nih.gov/geo/

该数据库最开始主要用于分享芯片数据，后来随着NGS技术的发展，也支持上传高通量测序数据。

在该数据库中，将所有相关信息分成以下几类，示意如下

1. Platform

芯片平台或者测序平台，每个平台有一个唯一的以GPL开头的编号，高通量测序平台，示意如下

由测序仪和物种的组合构成了不同的platforn,芯片平台示意如下

芯片平台会给出探针相关信息，比如对应的基因，探针序列等，示意如下

2. Sample

sample代表的是一个样本的数据，可以是任意platform产生的数据，有一个唯一的以GSM开头的编号，对于芯片数据，会给出探针的表达量值，示意如下

对于高通量测序数据，根据数据类型会给出不同种类的文件，如果原始的测序数据有上传到SRA数据库，也会给出对应SRA编号，示意如下

3. Series

series代表属于同一个实验设计的一组样本，通常情况下会给出该系列下所有样本的附件文件的压缩包，示意如下

以上这3种信息由数据的提交者提供，对于同一个series下的原始数据，GEO会对其进行简单的挖掘，比如基于表达量进行聚类分析等，这些分析的结果对应的类型为DataSet, 有一个唯一的以GDS开头的编号，GDS2225示意如下

基于GSE3541的数据得到，该数据是一套大鼠的芯片数据，样本分为case和control两组，每组3重复，基于表达量的聚类结果示意如下

根据DataSet中提供的表达谱数据，对于每个探针或者基因在所有样本中表达量进行探究，就得到了Profile数据，示意如下

数据共享使得基于公共数据库的数据挖掘成为可能，也可以通过分析已有的同种类型数据来和自己的测序数据相互印证。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！