网络药理学所需的基因表达谱数据集来自各大数据库。对于骨科研究而言，GEO是最常用的数据库之一。我们可以使用NCBI（https://www.ncbi.nlm.nih.gov/）检索GEO数据库。只要选择GEO DataSets字段，就可以在GEO中检索各种基因表达谱数据集。
在检索数据集时，我们需要对检索结果进行筛选。就物种而言，首选人（Homo sapiens），如果没有人的数据集，也可以选择小鼠（Mus musculus）或大鼠（Rattus norvegicus）。就数据类型而言，我们选择探针矩阵，即在Study type中选中Expression profiling by array。对于条目的类型（Entry type），我们需要选择Series。
| 筛选器 | 选项 |
|---|---|
| Top Organisms | Homo sapiens |
| Entry type | Series |
| Study type | Expression profiling by array |
除此之外，由于我们要搜索的是疾病的差异基因（也就是在生理条件和病理条件下差异表达的基因），因此我们应该选择健康与异常相互对照的数据集。很多数据集会对样本施加各种条件，比如某药物干预下基因表达的情况，或某环境条件下与某疾病相关的基因表达的情况，这些数据集是不能使用的。要想了解某一数据集的具体处理条件，我们可以点击相应的条目，在Summary或Overall design中我们就可以看到该数据集的处理情况。
如果检索结果过多，我们还可以进行进一步筛选。在搜索框中加入关键字normal可以增加检索到不施加干预的记录的可能性（即增加检索到疾病条件与正常条件相对照的记录的可能性）。此外样品数量越大越好，对于生存分析而言，样品数量应大于100；对于我们接下去进行的差异分析，实验组和对照组的数量都要大于10（总数大于20）。在检索出的记录的右下角可以找到样本总数，点击打开任一条目，在相应页面的Samples中可以看到样本的详细信息（如每种样本各有几例），据此可以判断是否符合我们的数量要求。
