从geo数据库下载数据的几种方法

拜天雨

对于从事生物医学及生物信息学的人员来说，GEO（Gene Expression Omnibus database）数据库的重要性大家一定不陌生了吧，GEO数据库收集了大量表达谱、甲基化、LncRNA、miRNA、拷贝数变异（CNV）等各种芯片数据，并且还存储了一些二代数据和其他高通量测序数据。
今天小云将带大家学习如和从GEO数据库下载你所需要的数据，让GEO数据库成为你科研路上重要的助力。
GEO数据库所包含的信息：

• GEO Platform (GPL) 芯片平台
  
• GEO Sample (GSM) 样本ID号
  
• GEO Series (GSE) study的ID号
  
• GEO Dataset (GDS) 数据集的ID号
  

文献中会提到所用数据集
数据下载
方法一：
打开GEO官网：
Home - GEO - NCBI (nih.gov)
输入GSE编号，点击Search




下拉，选择Series Matrix File（s）


下载matrix文件 ，可以下载到本地，也可以通过文件传输的方式在服务器进行传输wget https://ftp.ncbi.nlm.nih.gov/geo/series/GSE102nnn/GSE102031/matrix/GSE102031_series_matrix.txt.gz（42M）
如果想要下载原始数据，可以点击Download下面的下载链接进行下载，


还可以通过直接查找SRA编号—Send to—File—Runinfo下载csv表格，打开后有一个下载链接可以直接下载




下载完成后您可能有些疑问，我们会得到一个.sra结尾的数据，SRA是压缩文件，我们只要使用fastq-dump进行解压就能得到原始文件。
也可以打开网址：Index of / (nih.go11111v)：


选择geo—seris—要选的系列—GSE编号：


方法二：
通过加装GEOquery包，使用GEOquery包可以得到对应GEO的表达矩阵，注释信息，样本信息等。
options()$repos #翻墙
options("repos" c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))#选择镜像
options()$BioC_mirror
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
library(GEOquery)
gset <- getGEO('GSE102031', ##GSE编号
destdir=".",
               AnnotGPL = T,     ## 注释文件
               getGPL = T)       ## 平台文件