A. 如何在geo数据库找想要的数据库
1、首先GEO数据库是个什么鬼呢？
GEO数据库全称GENE EXPRESSION
OMNIBUS，是由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库。它创建于2000年，收录了世界各国研究机构提交的高通量基因表达数据，也就是说只要是目前已经发表的论文，论文中涉及到的基因表达检测的数据都可以通过这个数据库中找到。
2、那GEO数据库有哪些检索入口呢？
最常用的有两种方式，如果你知道GSE编号可以通过网址http://www.ncbi.nlm.nih.gov/geo直接进入，具体编号介绍文件下载方法见：https://www.omicsclass.com/article/1100
另外一种就是通过NCBI主页的入口基因搜索下载。通常是不知道GEO编号，通过样品类型，实验处理，平台信息等搜索筛选想要的GEO数据：https://www.ncbi.nlm.nih.gov/，进入NCBI主页，搜索数据选择GEO DataSets，如果搜索某个基因表达量可选择GEO Profiles。
B. 数据库该怎么学习，纯小白
相信很多数据库入门的新手们在学习数据库方面都存在困惑，本文列出了一个非常完整的数据库学习路线，并对数据库学习过程中的细节进行详细指导。希望能够成为大家学习数据库过程中一份纲领性的教程。
本回答来自：数据库怎么学？数据库学习零基础入门指导_树懒学堂
数据库知识要点学习
新手学习数据库务必把握的知识要点：
数据库的安装下载：了解数据库的环境变量，文件目录构造。
数据库网络服务器的启动，登陆与登出。
数据库常用命令及语法标准。
数据库基本数据类型与数据表的实际操作。比如，数据表的增删、单表查寻、多表查询等。
数据库运算符和函数，比如，日期函数，时间函数，信息函数，聚合函数，数据加密涵数，自定义函数等。
数据库存储过程，存储过程的调度。
数据库每个存储引擎的特性。
数据库事务管理的定义和应用等。
数据库管理权限和用户管理等。
数据库学习材料推荐：
1.《Mysql必知必会》
这书讲的十分全，从基本要素，到查寻到插入新建表，用户的管理方法，都是有实际的事例，特别适合没有基础的同学们来学习Mysql，总而言之这本书学习的方式 便是：
掌握数据库的基本概念
按照示例进行练习
2.《SQL必知必会》
纯新手必读，这也是Amazon上最热销的SQL书籍的汉化版，写的很轻快，定义十分清晰。这本书用于学习关系型数据库也非常好，基本概念比大部头的教材内容说得清晰得多。
网站推荐：
树懒学堂_一站式数据知识学习平台
C. geo数据库的优点
免费且只要是目前已经发表的论文，论文中涉及到的基因表达检测的数据都可以通过这个数据库中找到。
GEO数据库是一个储存芯片、二代测序以及其他高通量测序数据的一个数据库。利用这个数据库，我们可以检索到其他一些人上传的一些实验测序数据。
不涉及任何检测原理的角度来说的话，所谓的高通量检测，其实就是一次性检测很多指标变化的技术。例如我们说的表达谱数据，就是来检测基因表达水平。比如我们要对一个人来进行高通量检测的话，就能知道这个人上万个基因的表达水平了。
由于GEO数据库和我们之前介绍的gene数据库 [数据库推荐]gene:基因相关信息查询 以及我们常用来搜索文献的pubmed都是一个机构的。使用这个数据库，我们需要做的就是就是就是提供检索式。检索式可以是简单的几个关键词，也可以是制定特殊的检索式。
D. gis数据库
就是存储GIS空间信息的数据库。
你使用GIS软件时，例如，用ArcGIS时，你可能会使用文件格式的地图数据，如shapefile或栅格的数据，但是这些文件数据有一定的局限性，如果海量数据或者数据共享时，需要用到GIS空间数据库，比如，ArcGIS会用到Access或oracle ,sql server存储空间数据。
E. 地质－生态环境空间数据库建库标准
一、范围
本标准定义了山东半岛城市群地质－生态环境空间数据库的数据结构框架、数据实体及实体之间的相互关系，定义了成果图件空间数据的要素集、要素类、要素分类代码及属性数据项，可用于山东半岛城市群项目数据的采集、存储、管理、共享及数据库建设。
二、规范性引用文件
下列标准所包含的条文，通过在本标准中引用而构成为本标准的条文。本标准出版时，所示版本均为有效。所有标准都会被修订，使用本标准的各方应探讨使用下列标准最新版本的可能性。
GB / T 1. 1—2000 标准化工作导则 第 1 部分: 标准的结构和编写规则
GB / T 13923—92 国土基础信息数据分类代码
GB / T 2260—1999 中华人民共和国行政区划代码
GB / T 2659 世界各国和地区名称代码
GB / T 9649—88 地质矿产术语分类代码
DZ / T 0160—95 1∶ 200000 地质图地理底图编绘规范及图式
DZ / T 0197—1997 数字化地质图图层及属性文件格式
GB 958—99 区域地质图图例 ( 1∶ 50000)
DZ / T 0179—1997 地质图用色标准及用色原则
DDB 9702 GIS 图层描述数据内容标准
GB 17108—1997 海洋功能区划技术导则
中国地质调查局 地质图空间数据库建设工作指南 ( 2. 0 版)
中国地质调查局 1∶ 20 万区域水文地质图空间数据库图层及属性文件格式工作指南
三、术语和定义
本标准涉及的主要术语如下:
1. 地理信息数据库 ( geodatabase)
采用标准关系数据库技术来管理、表现地理信息的空间数据库。
2. 数据包 ( data package)
逻辑相关数据实体的集合，本标准中将山东半岛城市群项目数据整体视作一个数据包。
3. 数据实体 ( data entity)
描述专业领域同一类型数据的数据元素的集合，如地质构造数据实体，概念上等同于UML 的类。数据实体可通过一个或多个相关的数据元素及相关的数据实体定义。
4. 数据集 ( dataset)
逻辑相关数据组成的数据集合，如一幅地图可视作一个数据集，数据集是一个逻辑上的整体。
5. 数据子集 ( subdataset)
按一定规则划分的数据集中逻辑相关数据的集合，本标准中的一个数据子集对应一个地图要素类，数据子集类别对应地图上的图层划分。
6. 空间数据 ( spatial data)
用来表示空间实体的位置、形状、大小和分布特征诸方面信息的数据。空间数据不仅具有实体本身的空间位置及形态信息，而且还有实体属性和空间关系 ( 如拓扑关系)信息。
7. 空间参照系 ( spatial reference)
对地理信息数据的空间范围和投影的描述。
8. 地图 ( map)
地理信息的图形描述，包括地理信息数据和地图元素，如标题、图例和比例尺等。本标准中将一幅地图视作一个数据集进行管理，并通过一组要素集 ( 要素类、关系类、属性表的集合) 、空间参照系、地图样式定义地图的数据内容及显示方式。
9. 图层 ( layer)
地图上特定区域范围内按一定规则划分的相似要素类的集合，如水系、城镇。图层为要素类的专题组合及表现，一个图层定义了它包含地理信息数据的地理位置和显示方法。
10. 要素 ( feature)
现实世界中的对象在地图图层中的表示，如地图中表示道路的一条线。
……
四、缩略语和符号
1. 缩略语
ARD 图外整饰要素 ( Elements Around Map)
BMAP 地理底图 ( Basemap)
BOU 境界、边界 ( Bourn)
CD 代码 ( Code)
COL 综合柱状图 ( Colomnar Chart)
DT 日期 ( Date)
ELE 地形高程 ( Elevation)
……
2. UML 类图符号
山东半岛城市群地区地质－生态环境与可持续发展研究
3. ER 图符号
山东半岛城市群地区地质－生态环境与可持续发展研究
五、基于 UML 的 Geodatabase 的空间数据模型
构建地质数据的空间数据模型是建立地质信息数据库的一项关键工作，是数据库建设的基础。Geodatabase 数据模型作为 ArcGIS 软件平台的一种通用数据形式，目前已被国内外众多地质空间数据库的建设所采用。数据建模也已经成为地质数据库建立的一项主要内容。
目前针对地质、水文、矿产、海洋等多个领域的专业 Geodatabase 数据模型都已存在，国内目前应用于区域地质 － 生态环境调查的综合地质 － 生态环境空间数据模型还比较少见。因此，本项目在分析国内外目前比较通用的各专业数据模型的基础上，提出了专门面向山东半岛城市群地质 － 生态环境空间数据库建设的 Geodatabase 数据模型。
在 Geodatabase 数据模型中，允许定义要素之间类型的关联，Geodatabase 对空间数据管理以关系数据库为基础，利用商用关系数据库成熟的数据处理能力对空间数据和非空间数据进行统一管理。Geodatabase 使用面向对象的方法，使得要素可以具有自己的行为和属性，并且要素类具有继承性、多态性和封装性。这样，以更加适合自然的行为和人的思维方式去组织数据，更精确地模拟真实世界。
1. Geodatabase 数据模型的结构体系
Geodatabase 数据模型作为一种新型的面向对象的数据模型，融入了面向对象的核心技术，如类 ( Class) 、对象 ( Object) 、封装 ( Encapsulation) 、继承 ( Inheritance) 和多态( Polymorphism) 等思想和技术。Geodatabase 数据模型的目的就是为了让用户能更容易、更自然地表示 GIS 数据特征和更容易地建立特征之间的各种关系。Geodatabase 空间数据库数据模型如表 12 －1 所示。
表 12 －1 Geodatabase 内部结构
续表
2. Geodatabase 数据库模型的特点
Geodatabase 有两种，即个人与多用户 Geodatabase。
1) 个人 Geodatabase 支持内置于 ArcGIS 系统并提供对本地数据的访问，适用于面向项目的 GIS，在 Microsoft Access 数据库平台上实现，提供生成和更新 Access 数据库的服务，可处理小型或适中的 Access 数据库。但个人 Geodatabase 的存储容量有不能超过 2GB的限制。
2) 多用户的 Geodatabase 是通过 ArcSDE ( ARC 空间数据库引擎) 实现的。ArcSDE可以生成和访问从小型到大型的 Geodatabase 并提供关系型数据的开放界面。
与标准的关系数据库相比，Geodatabase 简化了地理数据建模的工作，因为它包含有用于建模地理信息的通用模型。
此外，Geodatabase 还同时支持两个视图，即对象视图和关系视图。这样就综合了对象视图和关系视图两者的优点。对象视图在 Geodatabase 中占据主导地位，其目的是提供一个接近于逻辑数据模型的数据模型，因而更接近于现实。关系视图则用于一些 Geodata-base 数据的常规处理，它表示的是一些简单地理对象的特征。
3. 基于 UML 的 Geodatabase 数据模型的设计
( 1) Geodatabase 数据库设计的方法
在 ArcGIS 中，建立地理数据库可以有多种方法。借助 ArcCatalog，可以通过 3 种方式建立新的地理数据库。
第一种方法是建立一个新的地理数据库。
第二种方法是移植已经存在的数据到地理数据库中去。
第三种方式是用 CASE 工具来建立地理数据库。
( 2) 面向对象和 UML ( 统一建模语言)
面向对象是软件程序设计中的一种新思想，它能使程序设计更加贴近现实，并且花费更小的精力。面向对象方法学包含了对象 ( object) 、类 ( classification) 、继承 ( inherit-ance) 、聚集和消息 ( messages) 的概念。
UML ( Unified Modeling Language，统一建模语言) 是一种基于面向对象方法的建模语言，具有创建系统的静态结构和动态行为等多种结构模型的能力，是一种通用的建模语言。在 Geodatabase 的设计中，主要用到描述系统静态结构的类图。类图的节点表示系统中的类及其属性和操作。类图的边表示类之间的联系，包括继承、关联、依赖、聚合等。
类的表示由 3 个部分方框组成，上面部分给出了类的名称; 中间部分给出了该类的单个对象的属性; 下面部分给出了一些可以应用到这些对象的操作。类的表示如图 12 －5。
图 12 －5 类的表示
关联是对类的实例之间联系的命名，与关联有关的内容有关联元数 ( Degree) 、关联角色 ( Role) 和重复度 ( Multiplicity) 。
UML 中有 3 种类型的类: 抽象类 ( abstract class) 、可创建化类 ( creatable class) 和可实例化类 ( instantiable class) 。
UML 类图的符号见本节第四部分内容。
( 3) 面向对象的地理数据模型的设计方法
利用 CASE 工具进行 Geodatabase 数据模型设计的步骤具体为:
1) 在 CASE 工具中进行 UML 建模。
2) 将设计好的 UML 模型载入资料库 ( repositry) 。
3) 利用 GIS 软件提供的 CASE 接口，根据资料库中的 UML 模型生成空间数据库结构。至此，Geodatabase 空间数据库结构初具雏形。在 GIS 软件环境中，现在可以将新生成的数据或已有的数据进行格式转换后载入到设计好的 Geodatabase 空间数据库中，由空间数据库统一管理。利用 CASE 工具来建立 Geodatabase 地理数据库的工作流程见图12 － 6。
图 12 －6 利用 CASE 工具来建立 Geodatabase 地理数据库的工作流程
六、地质 － 生态环境 Geodatabase 数据模型的建立
( 一) 数据模型设计的依据
根据山东半岛城市群地质 － 生态环境调查评价研究工作的需要和山东半岛城市群地质 － 生态环境 GIS 数据库系统的整体设计要求，结合各地质 － 生态环境要素的成果图件和文本报告资料，利用 UML 设计工具 Microsoft Visio 完成了山东半岛城市群地质 － 生态环境Geodatabase 数据模型的设计 ( 图 12 － 7) 。
图 12 －7 山东半岛城市群地质 － 生态环境 Geodatabase 数据模型的设计依据
( 二) 山东半岛城市群地质 － 生态环境数据库的 UML 类图
1. 数据集管理
山东半岛城市群项目数据包中的数据以数据集为单元统一组织管理，数据集管理方式就是将一份文字报告或一幅成果图件视作逻辑上的整体，用 “数据集编号”唯一标识，通过数据集实体统一管理。同一数据集的不同实体，例如成果图中的图层，通过实体中的“数据集编号”元素关联。
2. 空间数据管理
山东半岛城市群项目数据包由文字报告及成果图件两大类数据组成，并以成果图件为主，成果图件是一空间数据实体，统一存储在面向对象的地理信息数据库中，以图幅为单元进行管理。
3. 数据包总体结构
本标准中山东半岛城市群项目数据包总体结构用 UML 模型来体现，山东半岛城市群项目数据包由 “成果报告”、“元数据”及 “存档文件”3 个数据实体 ( UML 类) 组成，通过 “数据集”实体统一组织管理。“成果报告”由它的继承类 “文字报告”及 “成果图件”定义，为研究成果数据包的主体数据。“元数据”及 “存档文件”为数据集的辅助数据，“元数据”存放文字报告或成果图件的元数据; “存档文件”存放文字报告或成果图件的相关存档文件，供数据集数据的整体下载与利用。
一个 “数据集”实体对应一个项目的 “文字报告”或一幅 “成果图件”; 每一个数据集必须有一个而且只能有一个 “元数据”文件; “存档文件”是 “数据集”的可选聚合实体。
“成果图件”是一空间数据实体，由特定的面向对象地理信息数据库 ( Geodatabase)统一存储、管理。一幅 “成果图件”数据内容由一组空间要素集 ( 基础地理要素集、地质要素集、地球物理要素集、地球化学要素集、辅助要素集) 组成，空间要素集数据类型包括矢量 ( Feature Dataset，简称要素集) 、栅格 ( Raster Dataset) 和 TIN ( TIN Dataset)3 种。
4. 数据集编号的编码规则
数据集编号由数据库管理方统一编码，必须保证编号在数据库中唯一，编号中的英文字母全部大写。
山东半岛城市群项目数据集按 “项目或图幅—提交单位—提交年份—成果序号”编码。数据集编号的字符串长度不得超过 22 位，以保证 “数据集编号 + 要素类名”的字符串总长度不超过 30 位。
5. 成果图件要素类命名规则
要素类名字符串总长度不得超过 8 位。
矢量要素类按 “要素集类型 + 要素类名 + 要素类型”命名，全部用大写英文字母表示。“要素集类型”用一位代码表示，如 “L”表示基础地理要素集。栅格数据集数据以“要素集类型 + 要素类型”命名，要素类型用代码 RAS 表示，如 “DRSRAS”表示遥感栅格数据。TIN 数据集数据以 “要素集类型 + 要素类型”命名，要素类型用代码 TIN 表示，如 “LELETIN”表示地面高程 TIN。
6. 成果图件要素分类编码规则
要素分类编码用以标识不同的要素类要素，保证地图要素存储、交换、显示的一致性。
( 1) 分类编码原则
1) 科学性、系统性;
2) 相对稳定性;
3) 不受地图比例尺的限制;
4) 完整性和可扩展性;
5) 适用性。
( 2) 分类编码方法
成果图件要素类中不同要素的分类编码采用中华人民共和国国家标准 《国土基础信息数据分类与代码》的编码结构，结构如下:
山东半岛城市群地区地质－生态环境与可持续发展研究
大类码、小类码、一级代码和二级代码分别用数字顺序排列。识别位由用户自行定义，以便于扩充。在本项目中编码分两类: ①基础地理要素编码; ②地质专业要素编码( 地质、地球物理、地球化学等) 。
( 三) 山东半岛城市群项目数据实体及实体关系
山东半岛城市群项目数据实体类及其代码见表 12 －2，实体类名代码按实体类的英文名缩略语编码，本标准中山东半岛城市群项目数据实体及实体间关系用 UML 及实体关系图 ( ERD) 来体现。
表 12 －2 山东半岛城市群项目数据实体类及其代码
1. 数据集实体 ( MGRD_Dataset)
山东半岛城市群项目数据包中的 “数据集”实体用来统一组织管理 “文字报告”、“成果图件”、“元数据”及 “存档文件”数据实体，“数据集”实体中的数据项包含数据集的归属项目、提交日期、提交单位、主题类别及地理范围等可用于数据集检索的信息。一个 “数据集”实体对应一个项目的 “文字报告”或一幅 “成果图件”，“数据集”实体与 “元数据”实体间为一一对应关系，与 “存档文件”实体间为一对多的对应关系。“数据集”实体的数据内容及其存储表通过 “数据子集”实体分类定义，主键 ［数据集编号］可用于同一数据集中不同 “数据子集”的关联，也可用于数据集对应的 “元数据”及“存档文件”的关联。
2. 成果报告数据实体 ( MGRD SumTmaryReport)
研究成果报告数据实体包括项目的最终综合文字报告及相应的成果图件。
( 1) 文字报告数据实体 ( SR_WordReport)
文字报告数据实体包括 “文字报告”及图像格式的 “报告附图”数据实体，文字报告及附图均以二进制大对象存储。数据实体之间通过 ［数据集编号］ 关联。
( 2) 成果图件数据实体 ( SR_hemeMapSet)
“成果图件”数据实体是一空间数据实体，主要以矢量图形格式存储在地理信息数据库中，其中也包括栅格数据及 TIN 数据用于数据的空间分析。
1) 要素集: “成果图件” 数据实体以图幅为数据集单元进行管理; 图幅内容以分属不同空间要素集 ( 基础地理要素集、地质要素集、地球物理要素集、地球化学要素集、辅助要素集) 的要素类组合，同一个要素集内的要素类享有同一空间参照系，相互具有拓扑关系。
2) 要素类: 一个要素类的存储单元为关系数据库中的一个数据表，要素类图元类型有点、线、面、注记 4 种，一个要素类只能包含一种图元类型。本标准中基础地理要素集、地质要素集、地球物理要素集、地球化学要素类、辅助要素集的要素类用 UML 类图体现。
3) 图层: 图层为要素类的专题组合及表现，不同图层的组合即构成了可视化 “成果图件”。本项目通过对数据来源的分析，提出并建立了适合山东半岛城市群地区地质 － 生态环境调查与评价特点的空间数据库数据图层。考虑到空间数据的应用和相互转换，每一图层均应建立相应的内部属性表，属性表必须包含一些基本字段内容，根据具体任务的不同，需灵活扩充内部属性表字段内容。 “成果图件”数据实体的图层划分及其代码见表 12 －3。
4) 要素类属性: 要素类的要素特征由属性表定义，属性表每一行对应一个要素，每一列包含要素的一个特征信息。
表 12 －3 成果图件数据实体的图层划分及其代码
5) 要素类要素分类: 同一要素类中不同类型的要素用不同的代码标识，通过属性表中的 “编码” ( GEO_CODE) 数据项体现，以便地图中同一要素类要素的分类显示，并保证地图要素存储、交换、显示的一致性。在本项目中成果图件的基础地理要素分类代码采用中华人民共和国国家标准 《国土基础信息数据分类与代码》，并根据需要进行了扩充，地质专业要素分类代码全部由本标准定义，见表 12 －4 和表 12 －5。
表 12 －4 基础地理要素分类代码
表 12 －5 地质专业要素分类代码
图12 -8 山东半岛城市群项目数据包UML类图
图层编码中，第一位为图类代码，L 代表基础地理类图层; D 代表基础地质类图层;G 代表国土资源图层; W 代表地壳稳定性图层; S 代表水资源图层; H 代表海岸带图层;T 代表生态环境图层; R 代表人类工程活动图层; F 代表分析评价图层; Y 代表预测与防治图层; Z 代表辅助图层。第二位为比例尺代码，图件均采用 1∶ 50 万比例尺，代码为 B。第三位到第五位为图名的汉语拼音首字母缩写。第六位为图层数字编号。
( 四) 山东半岛城市群项目 UML 类图
1. 山东半岛城市群项目数据包 UML 类图
UML 类图见图 12 － 8。
2. 成果图件要素集 UML 类图
1) 基础地理要素集实体 UML 类图 ( FD_Geography) 。本项目将基础地理要素分为地理网格、居民地、境界、交通网、地貌地形、水系、海洋海岸带、行政区划、栅格数据等 9个抽象要素类，建立了 “各市基本情况”对象类，与表明各地区域的 “城市群”类相连接，将山东半岛城市群8 个地级市的地理位置数据与地区的基本资料数据有机地联系起来。
2) 地质要素集实体 UML 类图 ( FD_Geology) 。
3) 国土资源要素集实体 UML 类图 ( FD_LandResource) 。
4) 水资源要素集实体 UML 类图 ( FD_WaterResource) 。
5) 生态环境要素集实体 UML 类图 ( FD_Environment) 。
6) 辅助要素集实体 UML 类图 ( FD_Ancillary) 。
3. 山东半岛城市群项目数据实体关系图
1) 数据集实体 ER 图 ( MGRD_DataSet) 。
2) 研究成果报告数据实体 ER 图 ( MGRD_SummaryReport) ( 图 12 － 9) 。
图 12 －9 研究成果报告数据实体 ER 图 ( MGRD_SummaryReport)
七、山东半岛城市群项目数据包数据字典
( 一) 数据集实体 ( MGRD_DataSet)
山东半岛城市群地区地质－生态环境与可持续发展研究
( 二) 研究成果报告数据实体 ( MGRD_SummaryReport)
1. 文字报告数据实体 ( SR_WordReport)
山东半岛城市群地区地质－生态环境与可持续发展研究
2. 成果图件数据实体 ( SR_ThemeMapSet)
( 1) 基础地理要素集实体 ( FD_Geography)
山东半岛城市群地区地质－生态环境与可持续发展研究
( 2) 地质要素集实体 ( FD_Geology)
山东半岛城市群地区地质－生态环境与可持续发展研究
( 3) 水资源要素集实体 ( FD_HydroResource)
山东半岛城市群地区地质－生态环境与可持续发展研究
F. geo数据库数据如何标准化
标准化的方法就是Counts值：
对给定的基因组参考区域，计算比对上的read数，又称为raw count（RC）。
aw count作为原始的read计数矩阵是一个绝对值，而绝对值的特点是基因长度、测序深度不同不可以比较。所以我们要进行标准化把count矩阵转变为相对值，去除基因长度、测序深度的影响，我们采用分析的。
标准化的三种方法得出的三种值：
RPM (Reads per million mapped reads)：RPM方法：10^6标准化了测序深度的影响，但没有考虑转录本的长度的影响。
RPKM/FPKM方法：
103标准化了基因长度的影响，106标准化了测序深度的影响。TCGA的数据分析多采用这种结果。
TPM (Transcript per million)：TPM的计算方法也同RPKM/FPKM类似，TPM可以看作是RPKM/FPKM值的百分比。
具体判断方法：
表达量是否需要重新标准化。
可以通过boxplot函数观察一下样本表达丰度值的分布是否整齐进行判断。
是否需要log2:根据数据值的大小。
如果表达丰度的数值在50以内，通常是经过log2转化的。如果数字在几百几千，则是未经转化的。