果子的GEO芯片分析教程汇总, 持续更新。
这是个导航帖，可以有效解决芯片分析的大部分问题。内容抵得上一个GEO的培训班。
首先用20%的精力解决80%的分析，可以看这篇，可以对GEO表达谱芯片有个大致的了解
在果子学生信公众号回复"果子学生信"，可以自助获取R语言环境的配置教程,以及这篇帖子的讲解视频。
上面那个帖子里面缺失的部分是GSEA分析，GSEA分析不需要认为设定差异基因，是个神器，可以在这里找到方法。
接下来用80%的精力解决剩下的20%分析
GEO分析有三个限速环节
第一个是探针ID转换：
简单说来，GEO芯片的探针ID转换，包括三个层面：
第一，R包注释
如果有平台对应的R包，我们就直接下载对应的R包去转换
平台和R包的对应关系我们对应了一个platformMap文件，在果子学生信微信公众号回复**“果子学生信”**即可获取
第二，平台获取
如果平台没有对应的R包，我们可以下载平台的注释文件，自己提取。
所有的探针ID转换，我们至少要获取两列数据，第一列是已有的探针，第二列对应的基因ID。
有以下的帖子可供参考
GEO芯片中的NM_，NR_开头的识别号如何转换成基因名称？
第三，序列比对
非编码GEO芯片的探针ID转换常常平台信息给出的是序列。
这个稍微有点困难，我们也写了教程，甚至提供了常见平台转换好的文件。在果子学生信微信公众号回复果子非编码即可自助获取。
如果完成了探针ID的转换，想在各种不同数据库中来回转换，应该看这个帖子：
第二个限速环节是差异分析
这里面其实需要我们做的不多，我们只要解决，如何分组，但是分组，并不需要处理组都在前面，对照组都在后面，只要跟样本顺序一致即可，请看下面这个帖子
接下来解决的是如何分两个组，分多个分组，配对分组的事情
这里面的原理就是使用了因子的水平来排序。
因子(factor)就像贤内助，让你始终分清主次，拨开云雾。
第三个限速环节是多芯片联合分析
这个我写过一点教程，但是实操的部分还在制作当中，把这个部分解决了，那么GEO表达谱芯片分析就已经没有了阻碍：
批次效应这样矫正
除此之外，还有一些再看看其他的：
比如这个，如果我用临床医生的视角会很容易解决
GEO芯片中多个探针对应一个基因，是求平均值还是保留最大值？
刚才那是多个探针对应一个基因，还有一个探针对多个基因的情况
其他的随意看看，作为补充
画一个火山图
当然这一切需要的是R语言
不会代码也可以看看这一个，有点过时了，但是这里面直接用GEO2R来分析的想法，可以帮我们判定，当前这个芯片是否能够直接用R语言来分析。
就完成度来看，目前这个帖子离我的预期还剩下多芯片分析那一点点距离，很快，我们就会把它填充完成，敬请期待。