小果 生信果   原创不易   欢迎点赞+收藏+关注

网址为https://www.ncbi.nlm.nih.gov/

在搜索框前面的All Databases处有个下拉箭头，可以选择不同的数据库，这里我们选择GEO Dataset数据库，这里面就是我们要找的数据了。

在搜索框里打上关键字，一般是疾病的名字，这里以Stanford A型主动脉夹层（Type A Aortic Dissection，TAAD）为例：输入关键字后，点击搜索就可以了

上面这个图就是搜索结果了，我们选择数据集一般有一下几个考量：

第一是物种，一般常用到的就是人，大鼠和小鼠。右边可以选择物种，缩小范围。

第二是测序类型，常见的是Expression profiling by array和Expression profiling by high throughput sequencing，这个一般就是mRNA的表达量了，此外还有单细胞，非编码RNA，甲基化等类型，可以根据需要选择。

第三是样本量，一般来讲，样本越多越好，很多分析都对样本量有要求，比如WGCNA就要大于15，双疾病要求每组至少6个样本。

第四还需要留意样本组成，一般疾病最好要有患病和正常样本的分组，癌症样本最好要有预后信息。

我们点进一个样本集，看一下下面这个：

可以先看一下样本的基本信息，数据集的标号是GSE开头的。

然后我们看一下样本构成，患病和正常样本分的很清楚，样本的编号是GSM开头，重点关注一下测序平台，这个是RNA测序数据，这样的数据库一般会提供一个表达矩阵放在补充材料里，如果没有的话，一般就不选择这个数据集了，不过我们这个是有的，就在最下面的Supplementary file里，直接下载就可以了。

这个表达矩阵就算是整理的比较好的，有基因名，表达数据是count值，可以根据需要进行标准化。

接下来小云再给大家找一个芯片数据集，它的下载方式和测序数据不太一样。

上面这个是结直肠癌的，GSE39582，测序平台GPL570，这也是一个常见的芯片测序平台，芯片数据要从Series Matrix Files处下载，点进去，界面如下：

点击就可以下载了。

芯片数据下载之后需要做一个转换，因为芯片数据的行名是探针编号，需要转换为基因名，探针和基因名的对应关系可以点击测序平台，也就是GPL570这个位置，根据下面这个表进行ID转换。

推荐阅读

利用ggplot2绘制多角图绘制

对多个分组进行生存分析

利用ggcor包绘制相关性图

Yeah！小果发现了这个好工具，肿瘤免疫功能分析

“生信果”，生信入门、R语言、生信图解读与绘制、软件操作、代码复现、生信硬核知识技能、服务器、生物信息学的教程，以及基于R的分析和可视化等原创内容，一起见证小白和大佬的成长。