检索到目标数据集后，开始数据挖掘，本文以阿尔兹海默症数据集GSE1297为例

目录

GEOquery  简介

安装并加载GEOquery包

getGEO函数获取数据（联网下载）

更换下载数据源

对数据集进行初步观察处理

GEOquery是一个在生物信息学中常用的R语言包，用于从NCBI Gene Expression Omnibus（GEO）数据库中获取和分析基因表达数据。以下是GEOquery包的简介：

1. 数据获取：GEOquery包提供了方便的函数来从GEO数据库中获取基因表达数据。您可以使用`getGEO()`函数来下载和导入GEO数据集，包括微阵列和高通量测序数据。

2. 数据处理：GEOquery包提供了一系列函数来处理GEO数据集。您可以使用`pData()`函数获取样本的基本信息，使用`exprs()`函数获取基因表达矩阵，使用`featureNames()`函数获取基因名字等。

3. 数据质量控制：GEOquery包提供了一些函数来进行数据质量控制。您可以使用`boxplot()`和`plotDensities()`函数来检查数据的分布情况，使用`arrayQualityMetrics()`函数来评估数据的质量。

4. 数据分析：GEOquery包结合了其他常用的R语言包，如limma、edgeR等，提供了丰富的数据分析方法。您可以使用这些方法进行差异表达分析、聚类分析、富集分析等。

GEOquery如果安装失败可以尝试

`getGEO`函数有一些可选参数，可以用来自定义数据获取和处理过程。以下是一些常用的参数介绍：

1. `GEO`：指定要获取的GEO数据集的ID。可以是一个字符向量，包含多个ID，用于同时获取多个数据集。

2. `destdir`：指定下载数据的目标文件夹。默认情况下，数据会下载到当前工作目录下的"geoquery"文件夹中。

3. `getGPL`：逻辑值，表示是否同时获取与GEO数据集关联的平台信息。默认为FALSE，不获取平台信息。

4. `AnnotGPL`：逻辑值，表示是否获取平台的注释信息。默认为FALSE，不获取注释信息。

5. `GSEMatrix`：逻辑值，表示是否将基因表达数据存储为GSEMatrix对象。默认为TRUE，将数据存储为GSEMatrix对象。

6. `getGPLcdf`：逻辑值，表示是否获取与GEO数据集关联的平台注释文件。默认为FALSE，不获取注释文件。

7. `verbose`：逻辑值，表示是否显示下载和导入过程的详细信息。默认为TRUE，显示详细信息。