GEO数据库：全球基因表达数据的宝库与生物信息学研究的引擎

引言

Gene Expression Omnibus（GEO）数据库是由美国国家生物技术信息中心（NCBI）维护的国际公共存储库，专门用于归档和免费分发高通量基因表达及其他功能基因组学数据集。自2000年创立以来，GEO已发展成为基因表达研究领域的全球性资源，并随着技术的快速演进不断扩展其数据接收范围。

GEO的发展历程与数据演变

DNA微阵列技术和基因表达系列分析（SAGE）协议的引入，使得科学家能够同时检测数百至数千个基因的表达水平，这标志着生物学研究从单基因分析向全基因组尺度的重要转变。随着人类基因组计划及多种模式生物基因组测序的完成，全基因组基因表达研究在21世纪初变得日益普遍。

面对基因组级数据产生的加速和庞大原始数据文件的挑战，NCBI于2000年推出了GEO数据库作为高通量基因表达数据的存储库。2002年，主要科学期刊开始要求将微阵列数据存入公共存储库，这极大地促进了GEO内容的快速增长。

技术多样性与应用扩展

如今，GEO接受来自多种技术平台的数据，包括：

DNA微阵列
蛋白质或组织阵列
高通量核酸测序
SAGE技术
RT-PCR

虽然约90%的GEO数据确实是基因表达数据，但其应用范围已显著扩展至：

基因组甲基化研究
基因组结合/占据分析
蛋白质谱分析
染色体构象研究
基因组变异/拷贝数分析

全球资源与标准化支持

"GEO"一词恰好以意为"地球"的前缀"geo"开头，这不仅因为GEO主要托管全球基因表达数据，更因为GEO本身就是一个真正的全球资源。截至目前，GEO已收录来自72个国家的数据提交。

GEO完全免费使用，科学家提交数据既是为了与研究社区共享成果，也常是发表论文或获得资助的要求。数据库支持微阵列实验最小信息（MIAMEMinimum Information About a Microarray Experiment, a standard for reporting microarray data.）和高通量测序实验最小信息（MINSEQEMinimum Information about a high-throughput Nucleotide SEQuencing Experiment, a standard for reporting sequencing data.）指南，确保数据能够被研究社区正确解读和复现。

数据规模与可访问性

GEO不仅是数据的在线仓库，更致力于使存储的数据对研究社区真正可访问。面对基因组实验产生的复杂数据，GEO开发了多种工具，使研究人员能够直接在网站上执行数据查询、可视化和分析，无需下载或操作数据文件。

截至当前，GEO包含54,640项公共研究，涵盖超过130万个样本，源自2,889种不同生物体。实时数据统计可在GEO摘要页面查看。

数据检索与分析方法

2.1 检索特定GEO记录

如果已知GEO登录号（如GSExxx、GSMxxx、GPLxxx或GDSxxx），用户可直接在GEO主页右上角的查询框中输入。该查询框也出现在所有GEO记录的顶部，便于在不同登录号间导航。

2.2 使用关键词快速搜索

NCBI采用统一的搜索检索系统，可搜索其整个集成数据库网络的内容。GEO数据在两个独立的NCBI数据库中可用：

GEO DataSetsA component of GEO that stores related data from the same experiment as datasets.：

用于搜索感兴趣的研究
存储所有原始提交者提供的平台、样本和系列记录，以及经过整理的基因表达数据集记录
检索结果包括每条记录的标题、摘要、生物体和登录号，以及相关数据的链接

GEO ProfilesA component of GEO that records gene expression profiles across different datasets.：

用于搜索基因的表达谱
存储从整理的数据集记录中提取的基因表达谱
检索结果包括基因名称、数据集标题和缩略图，显示该基因在数据集中每个样本的表达值

结语

GEO数据库作为生物信息学研究的重要基础设施，不仅为全球科研人员提供了宝贵的数据资源，还通过其强大的分析工具降低了基因组数据分析的门槛。随着高通量测序技术的不断发展和应用领域的持续扩展，GEO将继续在推动生命科学研究进步中发挥关键作用。

GEO主页：http://www.ncbi.nlm.nih.gov/geo/

Data Analysis

特性/方面	描述
全称	Gene Expression Omnibus (GEO)A public repository for gene expression and epigenomics data, established and maintained by the NCBI.
维护机构	美国国家生物技术信息中心 (NCBI)
创立时间	2000年
主要数据类型	高通量基因表达及其他功能基因组学数据
接受的技术平台	DNA微阵列、蛋白质/组织阵列、高通量核酸测序、SAGE、RT-PCR
扩展应用领域	基因组甲基化、基因组结合/占据分析、蛋白质谱、染色体构象、基因组变异/拷贝数分析
数据提交来源	72个国家
数据规模 (截至文本统计)	54,640项公共研究，超过130万个样本，源自2,889种生物体
核心数据库 (用于检索)	GEO DataSetsA component of GEO that stores related data from the same experiment as datasets. (搜索研究)、GEO ProfilesA component of GEO that records gene expression profiles across different datasets. (搜索基因表达谱)
数据提交标准	支持MIAMEMinimum Information About a Microarray Experiment, a standard for reporting microarray data. (微阵列) 和MINSEQEMinimum Information about a high-throughput Nucleotide SEQuencing Experiment, a standard for reporting sequencing data. (高通量测序) 指南
访问方式	完全免费
主页	http://www.ncbi.nlm.nih.gov/geo/

Source: Synthesis of information provided in the text about the GEO database.