如何快速下载GEO数据并获取其表达矩阵与临床信息 | 附完整代码 + 注释

GEO数据库可以说是大家使用频率贼高的数据库啦！那它里面的数据怎么下载大家知道嘛！今天给大家展示一种快速获取它的表达矩阵和临床信息的方法！

话不多说！咱们直接开始！

GEO编号获取

在GEO数据库中，你找到了你需要的数据，接下来怎么办嘞！下载它！处理它！

比如，咱们今天需要的数据是这个：

GEO编号这不就有咯！咱们开始下载！噢对，提前吱一声，芯片数据和非芯片数据进行ID转换的时候方法不太一样，大家要注意噢！我今天会都给大家演示一下！

GEO数据库今天咱就不介绍了哈！我后面再专门出一期超级详细地介绍它！迫切的小伙伴可以在后台或群里催我哈哈哈哈哈哈哈哈！

另外注意：不是所有的GEO数据集都可以使用这种方法下载。不过通常来说，大部分的GEO数据集都可以通过getGEO函数进行下载，但也有一些例外情况，特别是单细胞数据[无奈脸]！多数情况下，应该是数据集可能不是以类似的格式存储，或者有的作者上传格式不对等等，所以就需要找其他办法或者手动下载啦！

建议就是先试试这种方法，要是里面是空的，就去手动或者其他！

数据下载

芯片数据

#################### GEO数据下载及表达矩阵与临床信息获取 #######################

# 加载包，没有安装的记得安装一下哟！
library(tidyverse)
library(GEOquery)
library(tinyarray)

# 芯片数据

# GEO编号，替换成你自己的就好啦！
geo_number = "GSE66360"

# 这一步啊，看运气！网络时好时坏，是个玄学！一次不行不要慌！咱多跑几次！总会成功的！
geo_data <- getGEO(geo_number, destdir = './', getGPL = F) # 自己设置想保存的路径
geo_data0 <- geo_data[[1]]

数据长这样！

# 提取表达矩阵
exp <- exprs(geo_data0)
dim(exp)
# [1] 54675    99

exp[1:4, 1:4]
#           GSM1620819 GSM1620820 GSM1620821 GSM1620822
# 1007_s_at   5.866378   4.948736   5.148384   5.064419
# 1053_at     8.225790   7.525865   7.764637   7.198461
# 117_at      6.179732   6.628137   5.859151   5.974135
# 121_at      6.179478   6.582889   6.602135   6.545905

# 可以看到这里还是探针ID，咱们后给它面转换为基因symbol！

# 可以自行判断是否需要log
exp <- log2(exp + 0