資料庫geo

『壹』 GEO資料庫為什麼是RNA

因為GEO是基因表達綜合資料庫，RNA是實現遺傳信息在蛋白質中的表達。
從GEO資料庫獲取GSE79973數據集，該數據集包含胃癌疾病與正常樣本的表達譜數據，篩選出其中差異表達的lncRNA。
下載GSE62254和GSE15459數據集以及對應的臨床數據，通過GSE62254數據集來構建一個臨床預測模型，識別出與預後顯著相關的lncRNA，通過GSE15459數據集對模型進行驗證。
進一步的通過多因素分析來研究ACJJ分期、性別、年齡和樣本的風險分數與臨床預後的關系。最後通過ssGSEA來發現樣本的高低風險組之間通路富集的差異情況。

『貳』 geo資料庫數據如何標准化

標准化的方法就是Counts值：

對給定的基因組參考區域，計算比對上的read數，又稱為raw count（RC）。

aw count作為原始的read計數矩陣是一個絕對值，而絕對值的特點是基因長度、測序深度不同不可以比較。所以我們要進行標准化把count矩陣轉變為相對值，去除基因長度、測序深度的影響，我們採用分析的。

標准化的三種方法得出的三種值：

RPM (Reads per million mapped reads)：RPM方法：10^6標准化了測序深度的影響，但沒有考慮轉錄本的長度的影響。

RPKM/FPKM方法：

103標准化了基因長度的影響，106標准化了測序深度的影響。TCGA的數據分析多採用這種結果。

TPM (Transcript per million)：TPM的計算方法也同RPKM/FPKM類似，TPM可以看作是RPKM/FPKM值的百分比。

具體判斷方法：

表達量是否需要重新標准化。

可以通過boxplot函數觀察一下樣本表達豐度值的分布是否整齊進行判斷。

是否需要log2:根據數據值的大小。

如果表達豐度的數值在50以內，通常是經過log2轉化的。如果數字在幾百幾千，則是未經轉化的。

『叄』 GEO資料庫 如何選擇某一數據集中的部分樣本進行差異分析呢

在 GEO 資料庫中，選擇部分樣本進行差異分析的方法可能會有所不同，具體取決於您選擇的差異分析工具和方法。

一種常用的方法是使用 GEO2R 工具，它是 GEO 資料庫的內置差異分析工具，可以讓您在線對 GEO 數據進行差異分析。在使用 GEO2R 時，您可以在「Sample Information」頁面中選擇需要分析的樣本。您可以選擇多個樣本作為組內樣本和組間樣本，並在「Comparison」頁面中設置樣本組。GEO2R 會使用 R 包進行差異分析，並為您生成統計學和可視化結果。

另一種方法是使用其他第三方分析工具，如 R/Bioconctor 中的 limma 包，這樣就可以編寫腳本來讀取GEO數據並進行相關操作。首先，您需要使用 GEOquery 包下載數據，然後將數據轉換為ExpressionSet對象。接著，您可以使用subset函數來選擇需要的樣本，並使用 limma 包中的 lmFit 和 eBayes 函數進行差異分析。

無論採用哪種方法，都需要充分考慮樣本選擇和組設置，以確保差異分析的正確性和可靠性。

此外，在選擇樣本之前還有其它需要考慮的條件，如樣本的來源，採集時間和方式等。這些條件都可能對結果產生影響，因此應當在研究中明確說明。

另外，需要注意數據清洗，如剔除異常值、缺失值等，確保數據質量。

在使用 GEO 資料庫進行差異分析時，還需要注意 GEO 資料庫中樣本的表達量數據通常都是在平均值和標准差之間轉換的，如果洞態態要閉首使用其他數據進行比較，需要轉換納源為相同的格式。