继安利GEO数据库和芯片数据的差异分析方法（欢迎来戳：No.1, No.2）之后，小编又来卖安利了。这次主要针对GEO DataSet 数据（GDS数据）教大家如何在线进行数据分析。

毕竟不是所有人都会编程敲代码，小白人生谁来解救？所以，小编就开始搬砖了，教大家利用GDS数据对应的Data Analysis Tools完成数据的基本分析，简单几步轻松易学~

GEO DataSet背景介绍

GEO数据库主要接收基因表达数据。实验研究项目中一般包含多个样本基因表达数据，研究人员进行数据上传之后，网站管理人员会根据实验样本的处理，数据来源等对数据进行整理，将能够进行生物学比较和统计的样品数据归纳整理到一起，形成唯一的DataSet record（GDS accession）。在这个DataSet中，所有的样品数据来源于同一种平台，数据背景处理和标准化方法都一致。

而针对每一个GDS数据，都可以通过网站在线工具：Data Analysis Tools 实现一些基本分析，包括差异分析、聚类分析等（见下图）。小编将以GDS6010对应都18个样品芯片数据为例给大家演示分析过程。

GDS数据搜索

由GEO主页进入GDSbrowser（GDS数据搜索网址： https://www.ncbi.nlm.nih.gov/sites/GDSbrowser）页面，输入登录号：GDS6010（下图），点击Search就可以进入数据页面，搜索结果如上图内容。

差异分析

点击分析页面左下角Compare 2 sets of samples，第一步，选择检验方法和阈值（见下图A）；第二步，选择差异对比组，点击Select which Samples to put in Group A and Group B，出现样品处理信息，据此设定A组样品和B组样品（见下图B）；第三步，针对A组和B组，进行差异分析（见下图C）

例如：针对Two-tailed t-test，阈值为0.01，对照组6h vs处理组6h，可以筛选到4140个探针表达谱（结果如下图），其缺点是，只能筛选出对应的探针单个表达谱，不方便进行批量下载数据。

聚类分析

聚类分析包括多种分析方法，以层次聚类为例，选择具体的聚类方法（如下图），进行聚类，如，Distance: Euclidean，Linkage：Average/UPGMA。

聚类分析的热图结果如下：

结果为所有探针数据对应聚类热图，图片中以颜色在不同样品中的变化对应表达数据的变化，而在结果显示页面，点击Clustering或者Colors可以通过修改具体的层次聚类方和图片颜色设置（如下图）。

选定表达谱热图的一部分区间后（点击热图，出现选择框，可以调整选择框大小），页面弹出下载等相关设置，可以针对选定区域，进行所有表达数据下载，绘图，单基因表达谱搜索，以及显示选定区域的独立热图（如下图A、B、C、D）。

数据分布

通过Data Analysis Tools 可以查看数据整体的分布情况，例如点击Experiment design and value distribution，可以出现数据box分布图，如下：

单击图片位置，可以查看整个GDS所有样品的数据分布情况，同时查看样品到处理信息（如下图）。

总结

针对GDS数据，利用在线工具可以进行比较基本的分析和数据筛选，虽然差异比较结果展示、批量下载存在困难等等，但是操作过程相对简单，适用于没有编程基础的科研人员学习，方便大家对数据内容进行初步掌握。