基因表达及杂交阵列数据库：GEO.pdfVIP

基因表达与杂交阵列数据库：GEO1 罗烈伟 广东药学院生物化学与分子生物学教研室，广州（510006 ） E-mail: llw@ 摘 要：随着基因芯片技术的广泛应用，产生了海量的数据，为基因研究提供大量高通量数 据资料。为有效地组织、存取、管理如此大量的基因数据信息，隶属于美国国立卫生研究院 的NCBI 于2000年7月启动了基因表达数据库计划，目的是尽量最大范围覆盖所有可能的高通 量实验方法，并保持数据库的灵活性以适应未来发展的趋势，GEO的主要功能是用来储存的 检索高通量基因表达和杂交阵列数据。本文介绍一下当今最大、最全面的基因表达数据库 GEO的构成、数据的提交与下载、数据检索与分析等。 关键词：GEO；基因芯片；数据挖掘 0. 前言 近几年来，随着分子生物学技术的发展，微阵列芯片技术已成为生物学研究最重要的实 验之一，尤其是基因芯片的广泛应用，产生了海量的数据，为基因研究提供大量高通量数据 资料。为有效地组织、存取、管理如此大量的基因数据信息，迫切需要一个统一管理的公共 数据库、建立一种通用的数据标准格式，使数据能更好地与其它信息资源比较分析[1] 。几个 实验室和机构开始试图组建网上资源来散布这些高通量数据集[2]，隶属于美国国立卫生研究 院的 NCBI (National Center for Biotechnology Information) ，开始了一个基因表达汇编计划， 即：基因表达综合库 (Gene Expression Omnibus, GEO) ，以便更好的支持公共使用和散布基 因表达数据。GEO 网上登录网址是：/projects/geo. GEO致力于建立一个开放的基因表达数据仓库和在线资源，用于从任何物种或人造的 来源检索基因表达数据，其数据格式支持MIAME(minimum information about a microarray experiment) 。GEO数据库创建于2000年，是当今最大、最全面的公共基因表达数据资源，至 今已存储了214,268个样本，8300个记录，4500个平台。GEO数据库覆盖广泛的生物学内容， 包括疾病、代谢、药理学、药学、免疫学和生态学等。数据来自世界各地实验室研究者的提 交，有些杂志要求文章发表时将数据提交到一些公共数据库，其目的是可以让一些独立的研 究机构来重新评价和分析这些数据的结果。可以提交的数据类型包括核苷酸阵列（ cDNA 、 寡核苷酸、基因组），抗体阵列，组织阵列，比较基因组杂交（comparative genomic hybridization,CGH ），基因表达系列分析(serial analysis of gene expression,SAGE),高度平行信 号序列测定（massively parallel signal sequencing,MPSS ）,质谱分析蛋白质组等技术，来自这 些技术的实验数据都可被接受、登记和存档。一系列预先计算的数据的定义和描述，以及用 于交互检索和分析这些数据的在线工具都被放入。 1. GEO的构成 GEO把研究者递交的数据分成三个等级的实体类型，分别是平台( platform) 、系列 ( series) 和样本( sample),它们每个均可保存到独立相关的数据库，因为它们分别被赋予了一 [3] 个唯一的、永恒不变的标志符 。GEO 的组成图解和实例见图1.1 。 1本课题得到广东省医学科研基金立项（项目编号 2008314 ）的资助。 - 1 - A 提交者 平台 样本