geo-database

# GEO 数据库 ## 概述 基因表达综合数据库 (GEO) 是 NCBI 的公共存储库，用于存储高通量基因表达和功能基因组学数据。GEO 包含超过 264,000 项研究，涵盖超过 800 万个来自基于阵列和基于测序实验的样本。 ## 何时使用此技能 当需要搜索基因表达数据集、检索实验数据、下载原始和处理后的文件、查询表达谱或将 GEO 数据集成到计算分析工作流中时，应使用此技能。 ## 核心能力 ### 1. 理解 GEO 数据组织 GEO 使用不同的登录号类型对数据进行分层组织： **系列 (Series, GSE)：** 一个完整的实验，包含一组相关的样本 - 示例：GSE123456 - 包含实验设计、样本和整体研究信息 - GEO 中最大的组织单元 - 当前数量：264,928+ 个系列 **样本 (Sample, GSM)：** 单个实验样本或生物学重复 - 示例：GSM987654 - 包含单个样本数据、协议和元数据 - 链接到平台和系列 - 当前数量：8,068,632+ 个样本 **平台 (Platform, GPL)：** 所使用的微阵列或测序平台 - 示例：GPL570 (Affymetrix Human Genome U133 Plus 2.0 Array) - 描述技术和探针/特征注释 - 在多个实验间共享 - 当前数量：27,739+ 个平台 **数据集 (DataSet, GDS)：** 格式一致的精选集合 - 示例：GDS5678 - 按研究设计组织的实验可比样本 - 经过处理以进行差异分析 - GEO 数据的一个子集 (4,348 个精选数据集) - 非常适合快速比较分析 **表达谱 (Profiles)：** 链接到序列特征的基因特异性表达数据 - 可按基因名称或注释查询 - 交叉引用 Entrez Gene - 支持跨所有研究的以基因为中心的搜索 ### 2. 搜索 GEO 数据 **GEO 数据集搜索：** 按关键词、生物体或实验条件搜索研究： python from Bio import Entrez # 配置 Entrez (必需) Entrez.email = "[email protected]" # 搜索数据集 def search_geo_datasets(query, retmax=20): """搜索 GEO 数据集数据库""" handle = Entrez.esearch( db="gds", term=query, retmax=retmax, usehistory="y" ) results = Entrez.read(handle) handle.close() return results # 示例搜索 results = search_geo_datasets("breast cancer[MeSH] AND Homo sapiens[Organism]") print(f"Found {results['C")