生信人绝不能“饭来张口”的理由！警惕这些“有毒”数据集

欢迎来到锦鲤许愿池~

做生信分析，离不开与数据集打交道。数据集的质量好坏，直接影响着分析结果的优劣。如果被海量信息冲昏头脑，让不可用的数据集混入其中，简直是费时费力又费神。

于是，锦鲤为大家特地带来数据集黑名单！（GEO）那些因为各种原因彻底不可用，没有解决方法的数据集可以一键拉黑了！清洗数据，就从源头走起吧~

本期为大家带来的拉黑原因包括：样本过少、数据集基因过少、缺少疾病组&对照组、表达量大量一致和表达谱数据大量缺失。注意看好了喔！

GSE136270

GPL平台：GPL9115

疾病类型：胆道闭锁 Biliary Atresia（BA）

问题原因：样本过少

研究者仅从6例BA患者和6例正常移植前肝脏异体移植物的肝脏组织样本中制备集合RNA文库。

GSE196707

GPL平台：GPL11154

疾病类型：少突胶质细胞瘤Oligodendrogliomas

问题原因：样本过少

研究者仅对2例少突胶质细胞瘤患者原发和复发肿瘤的基因表达进行研究。

GSE75644

GPL平台：GPL6244

疾病类型：牙髓干细胞 Tooth Pulp（TP）

问题原因：样本过少

研究者仅从因牙齿矫正而拔除的健康恒前磨牙（25个，6男6女，年龄11-25岁）中采集人类恒压牙髓组织。

GSE34289

GPL平台：GPL5175

疾病类型：甲状腺结节 Thyroid Nodules（TN）

问题原因：数据集基因过少

该研究结果占用了两个芯片平台，在GPL5175平台中只有175个基因，不可使用；另一平台可以正常使用。

GSE73025

GPL平台：GPL20917

疾病类型：复发性流产Recurrent Spontaneous Abortion（RSA）

问题原因：数据集基因过少

空值过多，导致可用基因过少。

GSE16658

GPL平台：GPL7722

疾病类型：帕金森病 Parkinson's Disease（PD）

问题原因：数据集基因过少

空值过多，导致可用基因过少。

GSE68475

GPL平台：GPL15018

疾病类型：心房颤动 Atrial Fibrillation （AF）

问题原因：数据集基因过少

空值过多，导致可用基因过少。

GSE70947

GPL平台：GPL13607

疾病类型：乳腺癌 Breast Cancer

问题原因：表达谱数据大量缺失

在数据集尾部出现超过1300条呈如下大量缺失情况的表达谱。

GSE37031

GPL平台：GPL14877

疾病类型：非酒精性脂肪肝Non-alcoholic Steatothepatitis

问题原因：表达量大量一致

完整的数据库包括肝脏样品组18185个基因的表达测量，但基因表达量大量一致。

类似上图的结果在该数据集中还有很多

GSE75097

GPL平台：GPL10904

疾病类型：睡眠呼吸暂停Obstructive Sleep Apnea（OSA）

问题原因：缺少疾病组/对照组

研究者分析的全基因组基因表达谱分为四组：原发性打鼾 (PS) 、中重度OSA (MSO) 、极重度OSA (VSO) 、和极重度OSA患者长期持续气道正压通气 (CPAP) ，缺少对照组分析。

想要高效发文的朋友们快来投奔挑圈联靠的站姐——雪球老师吧！跟着大部队走，这是生信发高分的最快途径了~

如果你想做课题设计优秀的生信，想获得拆解的原文献，或者想收看最新的直播课程，就扫描下方二维码添加雪球老师微信获得更多资讯吧！

都看到这里了，点个星标再走吧！