Überblick
Genexpressionsdatenbanken bieten zentrale Repositorien für Transkriptomikdaten, die durch Microarray- und Hochdurchsatz-Sequenzierungsexperimente erzeugt werden. Sie stellen sicher, dass experimentelle Daten nach der Veröffentlichung zugänglich bleiben und ermöglichen eine unabhängige Überprüfung, Metaanalyse und neue Entdeckungen durch die Wiederverwendung von Daten. Die beiden größten Repositorien sind das Gene Expression Omnibus (GEO) am NCBI und ArrayExpress am EMBL-EBI. Beide akzeptieren Daten aus Expressionsprofilierung, Chromatin-Immunpräzipitation und anderen funktionellen Genomik-Assays und wenden gemeinschaftlich anerkannte Berichtsstandards wie MIAME (Mindestinformationen über ein Microarray-Experiment) an.
Schlüsselkonzepte
GEO organisiert Daten in vier Datensatztypen: Series (ein vollständiges Experiment), Samples (einzelne Hybridisierungen oder Sequenzierungsläufe), Platforms (die verwendete Array- oder Sequenzierungsplattform) und Datasets (kuratierte Sammlungen für die Analyse). GEO2R bietet ein webbasiertes Werkzeug für differentielle Expressionsanalysen ohne Programmierung. ArrayExpress ist das europäische Gegenstück, das durch Datenaustauschvereinbarungen mit GEO interoperabel ist. Beide Datenbanken unterstützen die tabellarischen Formate MAGE-TAB und MINiML für die Metadateneinreichung. MINSEQE erweitert die MIAME-Standards auf sequenzierungsbasierte Expressionsexperimente.
Anwendungen
Öffentliche Expressionsdatenbanken beschleunigen Entdeckungen in vielen Bereichen. Forscher nutzen GEO, um Datensätze für Metaanalysen von DNA-Microarray- und Genexpressionsstudien abzurufen, ihre eigenen Ergebnisse mit veröffentlichten Experimenten zu validieren und Expressionsbiomarker zu identifizieren. Das qPCR-Primerdesign profitiert von Expressionsdaten, die Transkript-Häufigkeitsmuster bestätigen. RNA-Sequenzierungsstudien archivieren Rohdaten und verarbeitete Expressionsmatrizen in GEO oder ArrayExpress als Bedingung für die Veröffentlichung.
Praktisches Protokoll
Um Expressionsdaten für ein Gen von Interesse zu finden, gehen Sie zu ncbi.nlm.nih.gov/geo und suchen Sie mit dem Gensymbol und der Spezies, z. B. “SOX2 AND Homo sapiens[Organism]”. Die Ergebnisseite listet passende Series und Datasets auf. Klicken Sie auf einen Dataset-Eintrag, um die Experimentzusammenfassung, Plattforminformationen und Probenannotationen (typischerweise Kontroll- vs. Behandlungsgruppen) anzuzeigen. Verwenden Sie die Schaltfläche “Analysis with GEO2R”, um das webbasierte Werkzeug für differentielle Expression zu starten: Wählen Sie Probengruppen durch Anklicken von Kontrollkästchen aus, weisen Sie sie experimentellen Gruppen zu (z. B. Gruppe 1: unbehandelt, Gruppe 2: behandelt) und klicken Sie dann auf “Top 250”, um Gene nach adjustiertem p-Wert und log-Fold-Change zu ordnen. Die Ergebnistabelle zeigt Expressionswerte, Statistiken und ein Boxplot für jedes Gen. Um die Expression zwischen Bedingungen systematischer zu vergleichen, laden Sie die Serienmatrixdatei (eine tabulatorgetrennte Tabelle normalisierter Expressionswerte) herunter und laden Sie sie in R oder Python. Ein Forscher, der SOX2 im Glioblastom untersucht, könnte beispielsweise GEO nach “glioblastoma SOX2 expression” durchsuchen, die Serie GSE123456 mit 10 Tumor- und 10 Normalproben identifizieren, mit GEO2R feststellen, dass SOX2 in Tumoren 4,2-fach überexprimiert ist (p = 0,001), und dann die vollständige Matrix herunterladen, um die SOX2-Expression mit anderen Stammzellmarkern über alle Proben hinweg zu korrelieren. Derselbe Workflow in ArrayExpress (ebi.ac.uk/arrayexpress) bietet Zugang zu komplementären europäischen Datensätzen und ermöglicht eine repositorienübergreifende Metaanalyse zur Stärkung der Ergebnisse. Dieser Ansatz wird häufig bei der Biomarkerentdeckung eingesetzt, wo die Kombination mehrerer GEO-Datensätze für dieselbe Krankheit die statistische Aussagekraft erhöht und reproduzierbare Expressionssignaturen identifiziert, die eine Validierung über unabhängige Patientenkohorten hinweg überstehen.
