GEO数据检索与样本核对

更新：2026-10-13；状态：可用；验证范围：官方文档核对；检索与批量下载练习未在本机执行。

GEO连接研究、样本与处理数据，选择数据前先确认实验设计和矩阵数值含义。

三类常见编号

GSE是研究系列，GSM是提交的样本记录，GPL是平台记录。一个GSE可以有多个GSM，平台信息帮助理解测量方法；这些编号不能直接当作三个独立生物学重复。原始测序读段可能另链接到SRA，见SRA与ENA读段检索。

一次检索的顺序

按研究问题、物种和测量类型搜索 → 阅读研究说明与原论文 → 逐个核对GSM中的来源、处理和重复 → 下载所需元数据与文件清单 → 明确从原始读段还是处理矩阵开始。用样本表与数据审计实践记录组别、个体、批次与文件对应。

下载Series Matrix或补充表时，要查VALUE列含义、标准化说明、基因标识与缺失编码。文件名含counts也应核对原始处理方法；不能把所有矩阵都送入同一种差异检验。

初学练习与完成标准

在GEO官方数据集说明中选择一个示例研究，先不下载大文件，整理GSE、GSM、GPL、分组和原始/处理数据入口。完成后应能说清有多少独立样本、是否配对、哪个文件适合下一步分析，哪些元数据仍缺失。

本页提供检索与审计练习，未下载并重新分析指定研究。若目标是RNA-seq差异表达，可先跑RNA-seq从计数矩阵到差异表达的airway小数据，再研究真实GEO项目。

深入：GEO下载格式与接口、GEO程序访问、公共数据库与数据获取。