GEO数据库可能遇到的问题
昨天介绍完GEO2R之后其实该和大家说一下富集分析相关的东西了(昨日链接:GEO2R差异表达分析软件)。但是,由于GEO数据库里面的数据种类比较多,所以经常我们用的这个数据集和其他数据集有区别,所以就导致碰到这种这样的问题。这里就简单说一下我们之前碰到的一些问题吧,如果大家还有新的问题,欢迎后台留言提问~
1
这个数据集为什么没有GEO2R分析工具?
有时候我们在找到数据集,然后看了分组之后,觉得这个数据和我们想要的挺符合的。想分析的时候,发现没有GEO2R这个工具。
例如下面这个:
这个就涉及到GEO2R的使用目标了。GEO2R只适用于 表达谱芯片分析。但是GEO数据里面,并不止是包括表达谱芯片数据。还包括一些二代测序的数据。而二代的数据是不能这么简单的分析的,这也是为什么我们在第一次介绍GEO的时候,就说,现在常规的容易入门的数据分析类型还是 表达谱数据。
一般我们在GEO检索结果的时候,如果可以用GEO2R分析的,都会显示。
2
GEO2R能进行多组分析嘛?
有时候我们发现一个数据集,里面包括多个不同的分组。而且我们还都感兴趣。那能进行进行多组分析嘛?
这个GEO2R里面是考虑多多组之间的分析的,我们只需要在制定分组的时候,制定自己想要的分组就行了。
只不过呢,在结果当中,我们就看不到类似logFC的计算量了。其实从统计上来说在的话,两组我们用的是非参,两组以上就是方差了。统计方式不对返回的结果就不一样了。所以结果当中会包括一个F值。
3
如果有两个数据集能一起分析嘛?
我们经常在找自己课题相关的数据的时候,经常能找到好多数据集。统计学上说,样本量越大结果越准确嘛。那能融合到一起用GEO2R分析嘛?答案是,不能。。。。
由于GEO2R是基于GEO数据库设计的,所以并没有提供上传数据分析的功能,所以这个时候就不能融合到一起来进行分析了。另外呢,就算我们有别的分析方法,比如知道如果用R语言来进行分析的话,也不能单纯的把数据集下载下来然后融合到一起分析的。因为不同数据集在做检测数据的时候,当时检测的时候温度,环境,机器的状态等因素不同,所以就导致两者之间可能存在一定的整体的偏差。我们称这种叫做批次效应。如果不去掉批次效应就硬融合到一起。那结果往往会出现很大的偏差。
所以也就是因为不能简单的进行硬融合,好多在找到相同数据集的时候,但又不想去进行去批次的操作的时候,都选了去交集的分析方式。这个也算是有一定道理的。毕竟既然两者个数据集之间是又偏差的。但是那我自己数据集内做出来的差异基因,然后再取交集就可以了吧。这也是为什么很多文章里面会有Venn图。
如果确实想融合多个数据集分析,但是又不会处理批次效应的话。那推荐我们这个帖子[数据库介绍]一站式表达谱数据分析。这个数据库可以帮我们去掉批次效应来进行差异分析的。
由于篇幅的关系,还有一些问题就放到明天再和大家说吧!