項目總覽
第一個視頻主要是項目總覽，介紹了整個課程的結構，每一講主要要講得東西，介紹了jimmy的github形式的教學，學員可以在clone or download里download整個項目文件夾，按照github上的提示完成整個流程。jimmy提醒大家學習R語言的時候要養成用文件夾+Project的形式來組織內容，即，在項目文件夾下面具有一個 XXX.Rproj的文件以及所有輸入的數據以及所有產出的結果。這樣做的好處有三點：
- 可以直接定位到所有數據以及代碼
- 不用考慮環境變量
- 不需要修改路徑。
理解這3個好處還是得先有環境變量、路徑這些的概念。下載好github的文件夾之后，需要總覽一下代碼，需要理解一下每行代碼的意思。在下載的時候需要考慮網絡的問題，下載失敗很可能是因為網絡不好。
最后本課程是有償學習，自愿付費，付費可以掃描最后的二維碼，給jimmy的郵箱jmzeng1314@163.com發郵件，也會有意外的驚喜。也可以選擇在騰訊課堂進行購買學習。
P1-通用文獻閱讀及規律
本個視頻主要介紹了閱讀做GEO數據分析的文獻閱讀技巧。首先，要知道數據來源，看文獻，可以找到GSE號，不是GEO數據庫的在此不做討論；找到GSE號，可以采用URL拼接的方式，來到數據的主要，可以了解到實驗室在哪個平臺做的，實驗的樣本數以及分組情況。文獻中還可以知道該分析用什么R包做了差異基因分析，知道篩選的閾值，即P值，logFoldchange等。知道了這些之后，我們接下來就要對數據進行下載以及處理。
P2-了解GEO數據庫
這個視頻主要介紹了GEO數據庫，可以通過jimmy的微信推文，https://mp.weixin.qq.com/s/4tKmmxXrGoTfH3-sYLnRcg詳細地了解，主要要知道的是四個簡稱：
- GEO platform,即GPL，是指該實驗是在什么芯片或者測序儀上做的，單獨定制的芯片也會有一個GPL號，GPL會記錄探針以及基因的對應關系；
- GEO series,即GSE，一個實驗或者一篇文章會給一個GSE號，當然有些文章會有多個GSE號；
- GEO sample, 即GSM，指一個實驗中每一個獨立樣本的編號；
- GEO dataset，即GDS，用到的比較少，指根據研究目的將多個樣本整合成一個數據集。
本視頻還介紹了RefSeq數據庫，http://www.biotrainee.com/thread-213-1-1.html這篇文章有詳細的介紹，主要知道NG、NM、NP、XM,XR、XP分別代表什么。
本視頻還介紹了關于芯片的基礎知識，http://www.biotrainee.com/thread-899-1-1.html，此處有詳細得介紹，當然還是要自己結合其它的資料進行總結的。
另外關于GEOquery包的介紹，應該是在下一講中有具體的介紹。
P3- 數據下載的3種方式
這一講介紹了三種下載GEO數據的方式，分別為：
- 下載raw data，存在問題：不同芯片的原始數據處理方式不一樣；
- 下載series matrix,存在問題：網速問題；
- 在R里面讀取GSE號，即使用GEOquery包，getGEO函數，存在問題：國內網絡問題，無解；
getGEO的演示：
- 安裝GEOquery包；
- library這個包，出現紅字沒有問題；
- 對照說明書操作。操作中出現問題的話，可以參考這兩篇文章（后面更新的）：
- http://www.bio-info-trainee.com/3713.html；
-
http://www.bio-info-trainee.com/3719.html；
注：下載卡住的話（原因：下載這些數據要耗費海外節點，有些網吧有海外節點，因為游戲是海外的，jimmy推測），可以修改參數來減少下載量：分別是AnnotGPL=F,getGPL=F，另一個參數是destdir='.'，是保存的路徑。
- 讀取壓縮包，a=read.table('文件名')；參數：(sep='\t',quote="",fill=T,comment.char="!",head=T)
思路：
1.先看一眼表達矩陣，前面的！不需要，看一眼字符間是使用什么分割的。
2.使用步驟4的代碼來操作。
P4- ID轉換技巧大全
此視頻介紹了將下載過來的數據進行轉換的預處理，要解決的問題就是：一個基因可能會設置多個探針去測它，所以就會有多個探針對應一個基因名，我們想要知道的是一個基因對應的表達量，所以要把探針與基因進行對應，修改這個下載過來的表達矩陣。
所以要做的事情包括：
- 獲取探針信息
- 獲取探針信息與基因的對應關系（有兩種方式，可以下載Bioconductor的包或者用getGEO來獲得GPL的平臺信息）
- 將探針與基因的順序對應好
- 把一個基因對應對個探針的探針給過濾掉，選擇均值最大的探針對應的表達量
- 把探針替換成相對應的基因
思路大概是這樣的，通過這樣的方式，我們就可以獲得第一列是基因名，第一行是樣品名，中間都是表達量的一個矩陣，可以進行下一步的操作了。
具體的代碼還要自己照著再運行一遍。
P5 了解你的表達矩陣
下載好數據，處理好基因ID之后的表達矩陣，我們得知道這個表達矩陣是不是對的，所以要根據分組信息等對表達矩陣進行處理（20題中有范例）。
檢驗常見管家基因的表達量，做PCA分析以及Hclass圖，判斷所分析的矩陣的質量情況
1.可以檢測一下表達矩陣中的內參基因的表達量，看是否與實際情況相符合，如GAPDH，ACTB等
- 看表達矩陣的分布圖：各個樣本表達量的boxplot，可以學習使用ggplot畫圖的方法，有一些原理的介紹，可以自己再延伸學習。
- 若分組之間的樣本的表達水平差異較大，則需要進行校正。
- PCA圖以及Hclass圖：hclass的圖可以出聚類以及進化圖。PCA圖：ggfortyify包，關鍵成分的分析。
對于課程的數據：下載好的數據需要將它保存為對象，下次只需要再load它就好。
P6 差異分析
這一文介紹了使用limma包來做差異分析，對于所有的函數或者是包，我們得先明白它要求的Input是什么以及它可以給我們的Output是什么。而Limma包需要的是表達矩陣以及分組矩陣以及差異比較矩陣；接下來視頻介紹了一下流程，還是需要根據代碼自己運行一遍；這一講更加加強了包以及函數的概念，也介紹了一些代碼的使用原因。最重要的還是自己運行以后自己梳理一遍。代碼網址為：http://www.bio-info-trainee.com/bioconductor_China/software/limma.html
P7 火山圖及熱圖制作及美化
本視頻介紹了火山圖的繪制以及使用clusterprofiler來進行富集分析，火山圖就是一個橫坐標為logFC,縱坐標為-log10（p value)的點狀圖；而富集分析就是對差異基因的結果進行的注釋，它是通過數據庫以及得到的差異分析做而做的一個超幾何分布檢驗，原理的話視頻中有講，也需要自己結合統計來學習。通過已經有的包clusterprofilter可以進行富集分析，需要自己操作一下。
P8 KEGG，GO等數據庫的注釋及GSEA分析
通過KEGG，GO等數據庫等進行的注釋進行的分析，是假定每個基因的地位都是相等的，而在現實中，我們常常是有自己關心的基因，所以說基因是有重要不重要的區別的，這個時候就需要用到GSEA分析，本視頻主要是通過clusterprofilter這個包進行GSEA分析，中間涉及到數據格式的轉換，主要要熟悉R語言，原理的東西可以看之前的培訓視頻。
P9 收尾
最后介紹了GEO project這個項目的使用方法。需要對這個文件進行每一步的運行，如果需要進階的話則需要看paper進行學習。
P10 批量生存分析代碼大放送
本視頻是一個福利，jimmy對一個數據集進行了一系列的操作演示，并加入了生存分析的操作。可以根據視頻以及代碼進行運行。其中的根據感興趣的基因做差異分析很適合結合到自己的課題中。最后，R語言是生信編程里很重要的一部分，R語言得花時間去學習。
