在基因云馆平台的实验库搜索合适的数据。首先输入吸烟者的英文“smoker”进行搜索，
这时会出现很多的数据下一步就要筛选出自己想要的，物种要选择—— 人类（“Homo sapiens”）。然后就在这些数据中进行选择，找到一个数据，看它的种类是否为合适，一般最佳数据的种类都是在20—100之间，点进去看一下该数据有没有对照组，因为最终结果肯定会需要对照组的。点进该数据会有一个Platforms 。
再是看该数据有没有“Processed data”（处理后的数据） 及 “Raw data”（处理前的数据）。
这些满足后就可以带着合适的数据去Genelibs 平台进行分析了，小编找到了一个满意的数据GSE75037（GSE75037数据中共有12个从不吸烟者，8个一直吸烟者作为对照）。
登录网站：基因云馆 , 登录系统（先注册后登陆）。
首先要进行 GEO 数据库检索，输入 GSE75037 。
然后点击运行，这时会生成一系列的文件，这些中.RData是后期所需要的，然后点击html文件查看报告，看看报告中列名称有无空格。若有空格的话，数据信息需要更改，而且我们是要进行差异分析的，所以需要操作表达集数据信息和基因表达集生成器这一步骤。
然后开始操作表达集数据信息这一步，进入后需要把本地化那一步的 .RData 放入。
点击运行，就会生成类似第一步中的很多文件，两个 .CSV 是我们所需要的，，将生成的 “pDatamatrix.csv” 保存后根据需要进行更改（要做到:第一个csv文件的列名称与第二个csv文件的行名称对应且无空格；分组列中名称后无空格且分组名称尽量简单）修改完成后保存备用。(如 PData 的行名称更改，则 exprsmatrix.csv 的列名称也要做相应的改变）。
再进行基因表达集生成器这一步，将修改好的“exprsmatrix.csv'文件放matrix*；将“pDatamatrix.csv '文件放入pData*中，根据需要填写保存名称，运行即可，运行结束生成一个新的RData文件及报告等。
然后再进行芯片数据预处理（对本地化芯片数据进行预处理），在预处理模块选择“芯片数据预处理”，将新生成的RData文件放入eSetPath*，在platform*处选择相应平台，groupName*处填入分组列的列名称（一般取名为groups），点击运行,运行结束会生成新的RData文件及报告。
对照组中除了一直吸烟与从不吸烟外还有其他的，所以要进行表达集取子集这一步骤，就是把对照组拿出来做分析，点击表达集取子集后，把上一步中的 .RData 输入 eSetPath* ，在 groupnames 中写上取子集的名称，用逗号隔开，点击运行，生成了新的 .RData。
最后进行差异基因分析，按照提示输入，inputset*中输入上一步的.RData，logFC*和pvalue*是阈值，可以调节这两部分来得到差异基因的数量。
输入完后，点击运行，就可以生成html ,点击html就可以查看报告。
报告中显示共筛选出差异较大的表达基因37个，在这个平台的 基因搜索模块 对比较有代表性的几个基因进行了搜索，可以看到基因的基本信息、基因在染色体的位置、基因表达等，其中还包括基因的相关疾病，如下图所示，每个基因下面都有几个疾病名称，通过疾病名称我们可以知道该基因导致哪种疾病。
比如搜索FGG基因，可以看到FGG基因可以导致瘢痕瘤、静脉血栓栓塞等与肺癌相关的疾病，并且FGG基因还与其他癌症有关;TYRP1基因可以导致腺癌、肺肿瘤、恶性黑素瘤等疾病；IYD基因可以导致甲状腺机能减退、急性焦虑症、地方性呆小病等疾病；CYP3A5基因可以导致肾病、血栓症、肝硬化、神经中毒综合征等疾病；CCL20基因可以导致肺炎、溃疡性结肠炎、结肠肿瘤、糖尿病等；CYP24A1基因可以导致肺肿瘤、肾功能不全、前列腺恶性肿瘤等。 由此可得到吸烟不仅有得肺癌的可能，还有得其他癌症的可能性。