概述

基因表达数据库为微阵列和高通量测序实验生成的转录组学数据提供集中存储库。他们确保实验数据在发表后仍可访问，从而通过数据重用实现独立验证、荟萃分析和新发现。两个最大的存储库是 NCBI 的基因表达综合库 (GEO) 和 EMBL-EBI 的 ArrayExpress。两者都接受来自表达谱、染色质免疫沉淀和其他功能基因组学测定的数据，并执行社区采用的报告标准，例如 MIAME（关于微阵列实验的最小信息）。

关键概念

GEO 将数据组织为四种记录类型：系列（完整的实验）、样本（单独的杂交或测序运行）、平台（使用的阵列或测序平台）和数据集（用于分析的精选集合）。 GEO2R 提供了一种基于网络的差异表达分析工具，无需编程。 ArrayExpress 是欧洲的对应产品，可通过数据交换协议与 GEO 进行互操作。这两个数据库都支持 MAGE-TAB 和 MINiML 表格格式进行元数据提交。 MINSEQE 扩展了 MIAME 标准以涵盖基于测序的表达实验。

应用程序

公共表达数据库加速了许多领域的发现。研究人员使用 GEO 检索用于 DNA 微阵列和基因表达 研究荟萃分析的数据集，根据已发表的实验验证自己的发现，并识别表达生物标志物。 qPCR 引物设计受益于确认转录本丰度模式的表达数据。 RNA 测序 研究将原始读数和处理后的表达矩阵存档在 GEO 或 ArrayExpress 中，作为发表的条件。

实用协议

要查找感兴趣基因的表达数据，请访问 ncbi.nlm.nih.gov/geo 并使用基因符号和物种进行搜索，例如“SOX2 AND Homo sapiens[Organism]”。结果页面列出了匹配的系列和数据集。单击数据集条目可查看实验摘要、平台信息和样本注释（通常是对照组与治疗组）。使用“使用 GEO2R 进行分析”按钮启动基于网络的差异表达工具：通过单击复选框选择样本组，将它们分配给实验组（例如，第 1 组：未处理，第 2 组：已处理），然后单击“前 250 个”，通过调整的 p 值和对数倍数变化对基因进行排名。结果表显示任何基因的表达值、统计数据和箱线图。要更系统地比较不同条件下的表达，请下载系列矩阵文件（制表符分隔的标准化表达值表）并将其加载到 R 或 Python 中。例如，研究胶质母细胞瘤中 SOX2 的研究人员可以在 GEO 中查询“胶质母细胞瘤 SOX2 表达”，识别包含 10 个肿瘤和 10 个正常样本的 GSE123456 系列，使用 GEO2R 发现 SOX2 在肿瘤中过表达 4.2 倍 (p = 0.001)，然后下载完整矩阵，将所有样本中的 SOX2 表达与其他干细胞标记物相关联。 ArrayExpress (ebi.ac.uk/arrayexpress) 上的相同工作流程提供对补充欧洲数据集的访问，从而实现跨存储库荟萃分析以强化研究结果。这种方法广泛用于生物标志物发现，其中结合同一疾病的多个 GEO 数据集可以提高统计能力，并识别可重复的表达特征，这些特征可以在独立患者群体中进行验证。