“0代码”玩转TCGA，GEO数据库

没有样本，没钱测序，如何拿别人的数据来发自己的文章呢？公共数据库挖掘呀！众所周知，TCGA和GEO是最著名的两大公共数据库，前者主要存储高通量（二代测序）数据的肿瘤样本数据，后者GEO数据库全称Gene Expression Omnibus database，是由美国NCBI创建并维护的基因表达数据库。它创建于2000年，论文中涉及到的基因表达检测的数据几乎都提交到了这个数据库。GEO除了二代测序数据，还包含芯片测序、单细胞测序数据,样本数据也不限于肿瘤。不同于TCGA的规整数据，GEO芯片数据由于芯片平台（公司）不同，需要进行ID转换（芯片ID对应基因）、数据标准化、去批次效应后，才能进行数据分析，这也是GEO数据挖掘的难点，很多科研萌新一看到眼花缭乱的数据，瞬间懵逼了。不过 ………………………………