GEO（GENE EXPRESSION OMNIBUS），https://www.ncbi.nlm.nih.gov/geo/，由美国国立生物技术信息中心NCBI创建维护的，是个公开的基因数据库，包含了测序和芯片数据。在前面，我们介绍过利用GEO数据库进行芯片数据检索，今天我们再进一步细化，如何利用GEO数据库下载信息。GEO数据包括五种，platforms、samples、series、datasets和profiles。

其中原始数据包括GPL、GSM和GSE。

GPL（GEOPlatform）:平台信息，由芯片或测序公司提供，含有芯片或测序平台的描述信息，芯片还包含了其注释信息，每个平台列出了使用该平台的所有样本和系列。

GSM（GEO Sample）:样本信息，记录单个样本的生物学信息，处理流程及该样本的原始数据（芯片或测序）。注意的是每个样本数据仅对应一个平台。

GSE（GSESeries）：系列，将一项研究中所关联的GSM信息集合在一起，含研究名称、设计、概要信息。与GSM不同的是，GSE可以包含多个平台以及子系列，一个样本可以出现在多个系列中。

处理后的数据包含GDS和GEO Profiles。

GDS（GEO DataSet）：经挑选整理的数据集记录，如进行背景校正、均一化处理。每个GDS对应一个平台。

GEO profiles：来源与GDS数据，可以展现单个基因表达水平。

GEO测序文件存储形式包含SOFT、MINiML、Series Matrix files以及Supplementary files。

SOFT和MINiML存储的内容相同，但格式不同。SOFT为ASCII格式，MINiML为XML格式。Series Matrix files则以制表符为分隔的包含每个样本具体数值的文本文件，包含GSM和GSE。Supplementary files列出GSM原始数据或一些样本临床信息。

接下来我们到了我们演示环节，首先进入GEO官网。官网首页含有GEO数据库的概要，一些工具菜单，GEO数据库概况以及对于上传者的操作指南。

我们在GEO首页搜索栏搜索自己待检索的关键词，如“PD-1”，则会显示GEO Datasets以及GEO Profiles中的结果，如需看基因表达谱，则选择GEO Profiles，如果其他信息，如GSE、GSM和GPL等。我们之前也介绍过，在NCBI界面中我们也可以快速进入GEO Datasets以及GEO Profiles。

这里我们现介绍GEO Profiles，选择Profiles，则出现以下界面，我们可以直接点击图形，查看表达谱，右侧按钮“Download profile data”可以下载该信息。

同样，我们以pdcd1-Autoimmune model:CD4+ T cells为例，点击该右侧表达谱，出现下图。我们可以看到该数据集是“GDS2460”，物种来源为“Mus musculus”。分组信息为两组，一组“wild type”，另一组为“sanroque”。两组表达“sanroque”高于“wild type”。另外左侧红色纵坐标数据对应“count”，右边蓝色则为“percentile rank with the sample”。灰色方块对应的是GSM***，点击它则可以查询到该样本信息，如下图。

下拉到底部，可以下载对应的信息。其中CEL格式对应Affymetrix芯片的原始数据。

点击“Download profile data”，可以下载表达信息，txt格式。我们可以看到GDS数据集是GDS3138，以及GSM信息，平台信息等。下载后可以利用EXCEl打开，或者利用其他分析软件处理。

下载GEO datasets信息：以搜索“PD-1”和“lung cancer”为例，通过概要选择自己需要的信息。我们可以看到Datasets（2），Series(311)，samples（811），platforms（2）。

GPL对应数据包含annotation（注释信息），主要用于探针名和基因名切换。SOFT、MINiML格式包含GSM和GSE信息，比较大，一般不直接用于分析。

下拉到底部，我们可以看到该GPL的注释信息，点击“Download full table”，可以下载注释信息。

点击samples对应的GSM**，可以查询到样本信息，拉到底部，我们可以通过补充文件看到该样本的芯片表达数据。如“GSM4066172_KTM001_1392179_ClariomSmouse.CEL.gz”，表示gzip压缩的CEL格式文件，GSM4066172为样本编号，KTM001_1392179为样本分组信息

GSE数据，我们之前也介绍过，同样点击GSE***，下拉到底部，在“Download family”中有三个格式数据，SOFT、MINiML和Series Matrix file，前面两个为涉及到样本的信息和平台数据，内容比较大，我们通常选择Series Matrix file数据下载进行分析，该类数据经过矩阵化处理。同样，我们可以在补充文件中下载原始数据，http下载所有信息，或者通过custom下载部分样本信息。

值得注意的是，一个GSE可以按照平台形成多个Series Matrix file。

除了我们通过网站直接下载相应数据库信息，还可以通过ftp下载，ftp://ftp.ncbi.nlm.nih.gov/geo/。

datasets/, platforms/ , samples/, series/，分别对应4 种数据类型 GDS、GPL、GSM 和 GSE。将数据编号的最后 3 位数字替换为 nnn。然后紧接数据编号，就可以直达文件的 ftp 存储页面。