Day8 GEO数据挖掘

怎么筛选基因

背景知识

Flodchange (FC): 处理组平均值/对照组平均值

log2Flodchange (logFC): Flodchange取log2

芯片差异分析的起点是一个取过log的表达矩阵(取值范围0-20之间)，如果拿到的是不是取过log的矩阵，需先取log

log2(FC) = log(处理组取过log的表达矩阵平均值)-log(实验组取过log的表达矩阵平均值)。差异分析中的log默认是log2

log(FC)常见阈值

图的背景知识

GEO数据库介绍

三部分信息：系列号-样本号-平台信息

基因芯片：探针的表达量代表基因的表达量，探针与序列绑定

分析思路

芯片数据：数据Type: Expression profiling by array

转录组测序: 数据Type: Expression profiling by high throughput sequencing

找数据

1.直接取GEO官网找

2.文献中找

下载数据

1.传统下载方式

library(GEOquery)
eSet = getGEO("GSE7305", destdir = '.', getGPL = F)

2.从网页上下载/发链接让别人帮忙下，放在工作目录里

需要下载表达数据、临床信息、GPL编号

表达数据：

1. 看数据范围决定是否需要log，是否有负值，异常值
2. 看是否有异常样本: 样本间的表达量较一致，在0-20间，如果都小于4则说明取了不止一次log 异常样本处理： 1.删除 2.代码拉平：exp = limma::normalizeBetweenArrays(exp) 负值分情况讨论：2.3两种情况的数据弃用
3. 取过log，少量负值--正常
4. 没取log，有负值--错误数据 3.有一半负值，中位数为0--做了标准化