为什么需要预处理

GEO平台上的数据主要可以分为两大类：

传统的microarray数据

近几年比较流行的高通量测序数据

对于microarray数据，官网上一般给出的是探针的表达值。而我们执行分析时一般需要使用基因的表达值。这就涉及到一个把探针转换为基因的问题，这个过程就是我们平时所说的预处理了。

预处理的思路

预处理的逻辑也非常简单：

找到探针与基因的对应关系

根据对应关系把探针转换为基因

如何找到探针与基因的对应关系

根据GEO官方给出的平台注释文件很容易得到探针与基因的对应关系。以数据GSE42568为例：

从详情页面可得，该数据所使用的平台为GPL570，打开该平台的详情页面：

可得，注释文件的Gene Symbol列为探针与基因的对应关系。

转换时的注意事项

转换时有两点需要注意：

可能会出现多个探针对应同一个基因的情况，这种情况一般取各个探针表达的中位数作为基因的表达。当然，视情况也可以取最大值、最小值、均值等。

可能会出现一个探针对应对多个基因，例如，DDR1 /// MIR4640，这种情况一般是探针设计在两个基因的重叠位置，一般取个基因即可。考虑得更细致些，这其中还涉及了编码基因和非编码基因的选择。

如何一键预处理

看了上面的思路，有的同学觉得可能直接使用Excel处理有点难度，需要写代码处理。这里介绍一个不需要代码的一键处理方法：easyGEO（easygeo.cn）。

搜索GSE42568

进入数据详情页面

点击数据预处理进入数据预处理页面

这里有两个参数需要注意：

(1) 基因名称所在列，即上文所说探针与基因对应关系的列，本例中为Gene Symbol

(2) 探针合并方法，即上文所说多个探针对应同一个基因时采取的合并方法，本例中选择中位数

点击开始预处理按钮即可，是不是很简单呢！

网址：文章 - (biosxr.cn)