GEO下载到的标准化后的表达矩阵（Series Matrix File(s)文件）或是下载原始.CEL文件自己归一化后形成的表达矩阵，每行的标注是以探针的形式给出的，例如。

这样在分析差异基因之后，并不知道哪个探针对应哪个基因，希望能否先得到每行以基因形式标注的表达矩阵。

我在尝试了多种方法之后，发现GSEA桌面软件中集成的一个“CollapseDataset Page”小软件可以快速实现这一操作，故分享给大家。

在进行转化之前，需要准备两种文件：

1. 将常规的表达矩阵转化为.gct形式的表达矩阵文件：只要在EXCEL里对原有表达矩阵进行加工即可，具体的格式要求如http://software.broadinstitute.org/cancer/software/gsea/wiki/index.php/Data_formats#GCT:_Gene_Cluster_Text_file_format_.28.2A.gct.29 所示。
2. 提供.chip格式的探针与基因的对应关系表：这个表可以由GPL平台信息提供，如果嫌信息过时，也可由BLAST、生信人工具包等重新注释的方式得到；具体的格式要求如http://software.broadinstitute.org/cancer/software/gsea/wiki/index.php/Data_formats#CHIP:_Chip_file_format_.28.2A.chip.29 所示。一列是探针，一列是基因，两者的对应关系是：允许多个探针对应一个基因，但不允许一个探针对应多个基因（这种情况应该舍弃探针）。

安装并运行“GSEA v4.0.3 for Windows”（https://www.gsea-msigdb.org/gsea/downloads.jsp），进入界面后点击左侧栏目的“Load data”，会跳出加载标签页，将刚准备好的两个文件拖入加载框，再点“加载这些文件”按钮。

成功加载数据后，点击左侧栏目的Collapse Dataset小工具，会跳出该小工具的标签页。首先，在表达数据集下拉菜单中选取你刚才加载的表达矩阵；接着点击芯片平台右侧的“…”，选取网站上现成的chip文件或刚加载的自制chip文件；再接着选取“多个探针对应一个基因”的转换策略，目前使用较多的策略是：在每个样本中，如果有n个探针对应一个基因，那么就使用n个探针的中位数探针值作为该基因在这个样本中的表达量；因此，这里就选择“Median”；同理也可根据需要选择其他策略；下面可以继续设置分析的命名以及输出结果的文件夹。

最后点击“Run”，一般几秒钟就会运行完毕。

打开输出结果的文件夹，可以找到一个类似“_collapsed_to_symbols.gct”的文件，就是转化成功的基因级的表达矩阵文件。

可以根据需要，用EXCEL加工回常规的表达矩阵，用于下一步分析。

但是没法解决“多个探针对应一个基因”的问题啊