1、蛋白質晶片查找
GEO網站：https://www.ncbi.nlm.nih.gov/gds
檢索詞:Pancreatic cancer;Protein profiling by protein array
我們可以看到搜尋結果為11個，選擇第一個資料GSE29676作為分析的資料集；該資料集共609個樣本，平台為13669，點選Analyze with GEO2R發送到GEO2R進行資料的初步分析。
2、GEO2R進行初步分析
2.1、根據disease将資料分成兩組
根據實際情況，将實驗對象標明為帕金森組和控制組(老年組)；點選top250開始分析。
組别分類前
組别分類後
點選top250後開始分析
2.2、擷取分析結果 并儲存相關的矩陣，做進一步分析
擷取選中的149個樣本（29個胰腺癌、120個老年控制組），可觀察到校正後的p值、p值。每一條記錄可點選展開，每個樣本該蛋白質的表達量可通過條形圖的高低展示出來；資料共有9481條，自動化篩選出的差異表達蛋白有限但是可用于大緻的觀察；點選save all results另存為可以下載下傳所有處理後的資料；利用R語言做後續的處理；可點選view distribution觀察樣本的分布情況。
GEO2R的展示結果
下載下傳後的資料截圖
此處為樣本表達含量的boxplot圖
2.3、利用R語言提取差異表達的蛋白質的ID号
儲存後的處理檔案為geo2r.txt,利用R語言提取所有的gene ID号。我們可以觀察到geo2r是随着行數的增多，差異性是越來越小的。取前100行為我們的差異表達基因。
R語言代碼：
data<-read.table("geo2r.txt",header=T)
takeLine<-seq(1,100)
geneId<-data$ID[takeLine]
write.table(geneId,"differe.txt",col.names=F,row.names=F)
處理結果：
3、kegg和go分析
網址：http://geneontology.org/
将提取出的id資料放到go網站上，做biological process分析，可以觀察到gene主要集中在regulation of biological quality，biological process和 cellular compont分析可以明顯的觀察到資料和神經的信号傳到相關。
biological process分析結果
cellular compont分析