一，对GEO的简单介绍，下载数据
个人认为，对GEO那些复杂的介绍，我是根本记不住。所以我挑选了一些必须用到，容易记住和理解的知识给大家。
一：首先是对GSE，GSM , 和Platforms的介绍
GSE：想必大家在看文献的时候，都可以发现，此文献从GSExxxxx获取数据并进行分析的。GSE就是一个数据集，里面包含了很多GSM。个人理解：你可以把GSExxxxx整体当作一个实验，里面有control 和 treatment , 而GSE里面包含的一个个GSM，就是你制的样。
GSM：就是当时测序人员设计的一个个样本进行测序，然后将结果汇集到GSE中
Platforms : 测序平台，为什么要讲这个呢？、当我们下载GEO数据后，我们会发现，表达矩阵中的表达量对应的是探针名称而不是gene_symbol，因为在分析过程中我们需要将探针名称转化为gene_symbol ，所以就要追本溯源，从Platforms中获得探针对应的gene_symbol ,从而进行下一步分析。
二，进入GEO之后，我们需要干什么
1，看summary ，里面有对实验的介绍，大致了解一下这个GSE是干什么的
2 ，重点看overall design ，这个很重要，包含了分组信息，因为我们分析差异基因的时候需要进行分组，因为只有分组才能看出差异呀。 当然，一般overall design都会包含分组信息的，假如没在overall design 明确写明的话，下面也会有 Analyze with GEO2R ,打开后会看到分组信息。
GEO2R里的分组情况（这里是tumor vs normal）
二，进入GEO之后，我们需要干什么
1，看summary ，里面有对实验的介绍，大致了解一下这个GSE是干什么的
2 ，重点看overall design ，这个很重要，包含了分组信息，因为我们分析差异基因的时候需要进行分组，因为只有分组才能看出差异呀。 当然，一般overall design都会包含分组信息的，假如没在overall design 明确写明的话，下面也会有 Analyze with GEO2R ,打开后会看到分组信息。
3，记录Platforms ，看它来源于哪个平台 。
4，Samples ， 里面包含了多少样本，即包含了多少GSMxxxxx
5，下载表达矩阵数据
三，下载解压之后载入到R中
下载好之后，我们最好先对文件进行解压，不解压也能在R中打开，但是听说可能会和解压后的结果不一致（原谅我也没试过）。解压过后，我们可以先用文本编辑器查看一下下载的表达矩阵。
我们发现，在表达矩阵上面都是感叹号开头的信息，所以我们在读入这部分数据的时候，需要把带有感叹号的去掉。
#先解压GSE42872_series_matrix.txt.gz，注意解压到当前目录，再读入
exprSet=read.table("GSE42872_series_matrix.txt",comment.char="!",stringsAsFactors=F,header=T)
#comment.char="!" 意思是！后面的内容不要读取，可以打开文件看一下?read.table
#stringsAsFactors = F 是不想让我们的字符串因子化
# header = T 是表明我们是由表头存在的
今天的分享就到这里了，想要对GEO，TCGA分析，需要对R语言有几分基础，我会尽最大努力把每一步，每个代码解释清楚。我也会分享我学习R和python的总结。因为我也是零基础学习生信，所以可能理解又不到位的地方，希望大家批评指正。同时也希望大家能借助这个平台共同进步。
