生物信息学学习 GEDM

步骤

• STEP1：表达矩阵ID转换
  • STEP2：差异分析
  • STEP3：KEGG数据库注释
  • 完整代码

前置说明——依照生信技能树所设定的学习路径，在完成R语言相关知识的学习之后，接下来应当进入GEO数据挖掘的学习阶段。有观点指出，通过GEO数据挖掘能够有效提升论文发表的效率（相关内容可在https://zhuanlan.zhihu.com/p/36303146），不知道靠不靠谱。反正学一学总没有坏处。看完Jimmy老师的视频，写一篇总结方便日后复习。这里有很多操作在 《生信人的20个R语言习题》中查阅，其中提供了更为详尽的讲解。

视频教程：https://www.bilibili.com/video/BV1is411H7Hq?p=1
代码地址：https://github.com/jmzeng1314/GEO

STEP1：表达矩阵ID转换

首先需要掌握以下四个基本概念：
GEO Platform (GPL)
GEO Sample (GSM)
GEO Series (GSE)
GEO Dataset (GDS)
这些概念的理解相对简单。一篇研究论文可能对应一个或多个GSE数据集，而每个GSE数据集内部可以包含一个或多个GSM样本。根据具体的研究目标，多个不同研究中的