近些年来AI、深度学习、神经网络、5G等黑科技深入人心，这或多或少得益于大数据的发展。在医学领域，也有大数据的应用，比如IBM的Watson医生等，GWAS分析，精准医疗，23andMe基因组检测等。自2003年人类基因组计划的完成(斥资30亿美元，平均一个碱基对1美元)，经过近20年的发展，人类全基因组测序低至2000RMB，如果通过芯片进行基因检测，成本更低。

    生物学研究和基础医学的发展密切相关，传统医学的发展，离不开基础生物学的研究。随着科学技术的进步，大量的生物信息学数据迸发，各种各样的数据库涌现(NCBI，ENSEMBL，UCSC属于生物信息的综合性数据库)，传统的医学统计分析手段，很难对大量的数据进行挖掘了。其中NCBI中的GEO数据，NIH的TCGA数据库等，收录了大量基因测序数据和芯片数据，贯穿各种疾病的研究。为了利用如此庞大的数据，随之而来的就是生物信息的快速发展。与其他分析模块并行，这里我也慢慢开始讲述一些生物信息学在医学研究中的应用。

    这是系列教程的一部分，采用的数据集是GEO数据库中的GSE121248，鉴于设计的内容太多，这里直接给出了操作视频，约23分钟。

分析结果

微信后台回复”GEO差异分析“，获取视频中代码和数据的下载链接。