Journal of Biomedical Discovery and Collaboration 
Recall and bias of retrieving gene expression microarray datasets 
through PubMed identifiers 
Heather A Piwowar
*
, Wendy W Chapman
 


Addresses: Department of Biomedical Informatics, University of Pittsburgh, Pittsburgh, 
PA USA 
 
 
*
Corresponding author at hpiwowar@gmail.com  
 
Submitted: 24 November 2009 
Accepted: 4 December 2009 
Published: 28 March 2010 
 
 
Keywords: information retrieval; data sharing; databases; bioinformatics; PubMed; gene 
expression microarrays 


Journal of Biomedical Discovery and Collaboration (2010) 5:7‐20. 


Abstract  
Background 
The ability to locate publicly available gene expression microarray datasets effectively 
and efficiently facilitates the reuse of these potentially valuable resources.  Centralized 
biomedical databases allow users to query dataset metadata descriptions, but these 
annotations are often too sparse and diverse to allow complex and accurate queries.  In 
this study we examined the ability of PubMed article identifiers to locate publicly 
available gene expression microarray datasets, and investigated whether the retrieved 
datasets were representative of publicly available datasets found through statements of 
data sharing in the associated research articles.  

8

Results 
In a recent article, Ochsner and colleagues identified 397 studies that had generated 
gene expression microarray data.  Their search of the full text of each publication for 
statements of data sharing revealed 203 publicly available datasets, including 179 in the 
Gene Expression Omnibus (GEO) or ArrayExpress databases.  Our scripted search of GEO 
and ArrayExpress for PubMed identifiers of the same 397 studies returned 160 datasets, 
including six not found by the original search for data sharing statements.  As a 
proportion of datasets found by either method, the search for data sharing statements 
identified 91.4% of the 209 publicly available datasets, compared to 76.6% found by our 
search for PubMed identifiers.  Searching GEO or ArrayExpress alone retrieved 63.2% 
and 46.9% of all available datasets, respectively.  Studies retrieved through PubMed 
identifiers were representative of all datasets in terms of research theme, technology, 
size, and impact, though the recall was highest for datasets published by the highest‐
impact journals. 
Conclusions 
Searching database entries using PubMed identifiers can identify the majority of publicly 
available datasets.  We urge authors of all datasets to complete the citation fields for 
their dataset submissions once publication details are known, thereby ensuring their 
work has maximum visibility and can contribute to subsequent studies. 

9

Background 
The number of publicly available biomedical research datasets, such as those based on 
gene expression microarray experiments, continues to increase.  The ability to access 
and process these large datasets enables other scientists to perform their own data 
driven studies, reduces duplicate data collection, allows the study of issues that require 
combining multiple datasets, and facilitates the training of future scientists through the 
analysis of real experimental data.  
 
To realize these potential benefits, it is necessary that datasets can easily be found 
when needed. Biomedical databases typically include structured data fields indicating 
number of data samples, experimental platform and organism and tissue‐type or 
disease of study.  The experimental design, controls, and interventions involved are 
usually described in free‐text fields. Unfortunately, the content of these descriptions is 
often sparse and diverse [1].  As a result, although basic queries of the structured fields 
can be effective, more complex queries may require pre‐processing steps [2] and lack 
the accuracy required for some applications [3, 4]. 
 
Many publicly available datasets are associated with rich annotation outside the 
database: the published article describing the primary generation and analysis of the 
data.  Centralized biomedical databases often include a “primary citation” field to link to 
the original published article or articles.  This unambiguous link permits a user to query 
the article metadata, indexing terms, abstracts, or even the full text of the article, and 
then receive links to datasets relevant to the query.  
 
The usefulness of Medical Subject Heading (MeSH) indexing terms for annotating gene 
expression datasets has been described by Butte and colleagues [3, 5‐6].  For example, 
they found that 53% of gene expression microarray datasets in the National Center for 
Biotechnology Information (NCBI) Gene Expression Omnibus (GEO) database were 
linked to articles with disease related MeSH terms [3], that control/intervention gene 
expression data are publicly available for diseases contributing to 30% of all disease‐
related mortality in the United States [5], and that approximately 10% of microarray 
experiments in GEO have MeSH terms related to pharmacological substances [6].  We 
expect that the use of PubMed annotations for dataset retrieval will increase, 
particularly as combining text and data analysis becomes more common [4, 7‐12]. 
 
To identify the links between articles and their accompanying datasets, ideally a 
scientist could simply query PubMed, PubMed Central, or a specialized value added 
interface (e.g. MedMiner [13], BioText [14], or others [15]) and receive links to related 
datasets. This is possible within the Entrez network of databases. By appending “AND 
pubmed_gds [filter]” to any PubMed query, the set of returned articles is limited to 
those identified as a primary citation in a Gene Expression Omnibus GEO DataSet 

10

record.  While viewing PubMed results, selecting “GEO Datasets” in the Database 
dropdown list under “Find related data” in the right‐hand column will retrieve the 
associated datasets.  The data can then be explored or downloaded.  In many cases, this 
primary citation query process can be automated.  The Entrez databases can be queried 
through a web service eUtilities interface 
(http://www.ncbi.nlm.nih.gov/entrez/query/static/eutils_help.html). Other databases 
offer similar web services or application programming interfaces.  
 
As with any information retrieval strategy, retrieving datasets through their citation field 
identifiers has limitations.  Not all publicly available datasets are submitted to 
centralized databases, and many are hosted on publisher or laboratory websites.  
Dataset citation fields are often empty because datasets are frequently submitted to 
databases before the research article has been published and assigned a PubMed ID.  If 
we use a retrieval strategy based on article metadata, how many datasets are we 
missing?  Are the datasets that are found a representative sample?  If not, what are the 
biases? 
 
To address these questions, in this study we have compared searching for publicly 
available datasets through statements of data sharing in published articles as reported 
by Ochsner et al. [16] to searching through queries of centralized databases with article 
PubMed identifiers.  We have focussed on gene expression microarray data, which is 
expensive to collect, is often shared, has well established data‐sharing standards, and is 
valuable for reuse. The National Center for Biotechnology Information (NCBI) Gene 
Expression Omnibus [17] (GEO) and the European Bioinformatics Institute (EBI) 
ArrayExpress [18] databases have emerged as the dominant centralized repositories for 
sharing gene expression microarray data. Both include fields for primary article citations 
as PubMed IDs and support querying of those links. 
 
Methods 
Reference standard 
Ochsner and colleagues [16] manually curated gene expression microarray studies 
published in 20 journals during 2007.  They began with a PubMed filter to identify 
studies related to gene expression microarray data, reviewed the gene expression 
articles to identify the subset of studies that generated primary gene expression 
datasets, and finally searched the full text of the published research articles for 
statements that the datasets were publicly available either in centralized databases, as 
supplementary information, or on public websites.   

11

Database search for PubMed identifiers 
We attempted to replicate the results of Ochsner et al. with a scripted query of gene 
expression databases.  We began with their list of PubMed identifiers for articles 
identified as generating primary gene expression datasets.  We then ran scripts to query 
the “article submission citation” field of the GEO and ArrayExpress databases with this 
list of PubMed IDs, and tabulated the datasets thereby retrieved. 
 
We issued scripted queries for GEO and ArrayExpress through their web programmatic 
interfaces.  For example, to query GEO for PubMed IDs 17510434 and 17603471, we 
wrote programmatically retrieved the following page: 
http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term=(17510434
%5Buid%5D+OR+17603471%5Buid%5D)+AND+pubmed_gds%5Bfilter%5D 
and then extracted the <IDList> from the resulting XML.  To search ArrayExpress, we 
issued a query for each PubMed ID: 
http://www.ebi.ac.uk/microarray‐as/ae/xml/experiments?keywords=17510434 
http://www.ebi.ac.uk/microarray‐as/ae/xml/experiments?keywords=17603471 
and confirmed the returned pages listed the PubMed ID in the bibliography field.  We 
performed these queries with custom Python scripts. 
Data extraction 
For each of the datasets found in centralized databases, we collected the PubMed ID(s), 
the number of samples in the dataset, the gene expression platform, and the species. 
We considered the variable for dataset size to be “missing” for datasets shared outside 
centralized databases because the number of dataset samples was rarely explicitly and 
consistently stated on journal or laboratory websites. 
 
For each PubMed identifier we collected the name of the journal that published the 
article, its 2007 Thomson ISI Journal Impact Factor, whether the article was indexed 
with the MeSH keyword that identifies cultured cells, and whether the article was found 
by the PubMed “cancer” filter (cancer was the most frequent disease classification for 
microarray data identified by Butte [3]).  We collected PubMed Central citation statistics 
using the Entrez EUtils web service.   
 
We determined whether each journal published articles within one specific discipline or 
had a multidisciplinary scope.  We also recorded whether the journal requires authors 
to include a gene expression microarray database submission accession number in their 
articles as a condition of publication, following our earlier analysis of journal 
requirements [19]. 
 
If identical datasets were found in more than one location, we made note of this and 
collected data for the most complete location.  Data collection was performed in May 
2009 by manual download and with customized scripts (Python 2.5.2 and the EUtils 
python library [20]). 

12

Statistical analysis 
We calculated the proportion of datasets that were retrievable by the Ochsner search 
and PubMed identifier queries, using the union of datasets found by either method as a 
denominator.  We estimated the odds that defined subsets of gene expression 
microarray datasets (those investigating cancer, performed on an Affymetrix platform, 
involving humans, or involving cultured cells) would be retrieved by querying a database 
for their PubMed identifiers, relative to the odds they would be found by the Ochsner 
search but overlooked by the scripted query for PubMed identifiers.  Fisher’s exact test 
was used to determine whether the odds were significantly different than 1.0, with 95% 
confidence intervals.  Histograms and Wilcoxon Rank Sum tests were used to determine 
whether the distributions of journal impact factors, number of citations, and number of 
data samples were significantly different between datasets found or overlooked by the 
PubMed identifier query.  Statistics were calculated using the sciplot [21], Hmisc, and 
Design [22] libraries in R version 2.7.0 [23]. 
Availability 
Our raw data and statistical R code are available as Supplementary Information and at 
http://www.researchremix.org. The raw dataset from Ochsner et al. [16] is available at 
http://www.nature.com/nmeth/journal/v5/n12/extref/nmeth1208‐991‐S1.xls (Archived 
by WebCite® at http://www.webcitation.org/5iYQQU4ty). 
 
Results 
A previous article by Ochsner et al. [16] identified 397 published studies that generated 
gene expression microarray data.  Their examination of data sharing statements 
revealed that 186 (47%) of these studies had made their datasets publicly available.  
Fourteen studies had more than one associated dataset (13 studies had two associated 
datasets, one study had five).  The combined 203 datasets were found in a variety of 
locations: 147 (72%) in the Gene Expression Omnibus (GEO) database, 32 (16%) in the 
ArrayExpress database, 12 (6%) hosted on journal websites, and 12 (6%) on laboratory 
websites and smaller online data repositories. Combined, GEO and ArrayExpress housed 
179 (88%) of the datasets found by the Ochsner search. 
 
In order to determine the effectiveness of retrieving microarray datasets through an 
automated search, we attempted to locate these publicly available datasets using 
scripted queries of centralized microarray databases.  We queried the GEO and 
ArrayExpress databases with the PubMed identifiers of the 397 data producing studies.  
Our scripted queries returned 160 datasets in total: 132 datasets in GEO and 98 datasets 
in ArrayExpress, including 70 datasets in both databases (ArrayExpress imports selected 
GEO submissions). 
 

13

We compared the retrieval results of the two search strategies: Ochsner‘s search for 
data sharing statements within the full text of the published studies and our query of 
centralized databases for PubMed identifiers.  As shown in Table 1, the query of 
databases using PubMed identifiers returned 6 datasets that were overlooked by 
Ochsner’s search.  Data submission dates suggested that one of these six was submitted 
after publication of the Ochsner paper.  Ochsner’s search found 31 datasets in GEO and 
ArrayExpress that were not found by the PubMed identifier search strategy: 18 of these 
database entries listed no article citation, 10 listed a different citation by the same 
research group, two listed incomplete citations lacking a PubMed ID, and one dataset 
entry included citations to papers by what appears to be a different group of authors. 
 
Table 1: Publicly available datasets found by two retrieval strategies: a search of 
article full‐text for statements of data sharing, and a scripted query of 
centralized microarray databases for PubMed identifiers. 

Number of datasets
Found by querying
databases for
PubMed IDs
Number of datasets
Not Found by querying
databases for PubMed IDs
Total
Number of datasets
Found by searching full-
text for statements of
data sharing
154 49
(31 in GEO and ArrayExpress
+ 18 elsewhere)
203
Number of datasets
Not Found by searching
full-text for statements of
data sharing
6 An unknown number of data-
producing studies have publicly
available data not found by
either search method
at least 6
Total 160 at least 49 at least 209

 
The union of retrieval results from both search strategies yielded 209 datasets.  We 
defined this union as the set “all publicly available datasets” for subsequent analysis. As 
illustrated in Figure 1, 91% of the 209 publicly available datasets were identified by the 
Ochsner search, compared to 77% found by queries of GEO and ArrayExpress for 
PubMed identifiers.  PubMed identifier queries of either GEO or ArrayExpress alone 
retrieved 63% and 47% of all available datasets, respectively. 

14

 
Figure 1:  Proportion of article‐related, publicly available datasets retrievable by 
PubMed identifier queries in GEO and ArrayExpress, GEO alone, and 
ArrayExpress alone (bars indicate 95% confidence intervals of proportions). 
 
Next, we looked at univariate patterns to determine whether the datasets retrieved 
through our search differed from those found only by the Ochsner search.  The odds 
that a dataset was about cancer, performed on an Affymetrix platform, involved 
humans, or involved cultured cells were not significantly different whether the dataset 
was retrievable through our search method or not (p>0.3).  The recall for datasets from 
disciplinary journals was similar to the recall from multidisciplinary journals (p>0.1).  In 
ANOVA analysis, the distribution of species was not significantly different between the 
two search strategies (p>0.9).   
 
Datasets found through PubMed identifiers were more likely to be associated with 
articles in higher impact journals than datasets overlooked by this retrieval method 
(p=0.01).  Our PubMed identifier search found 92% of datasets from articles published 
in journals with impact factors greater than 20, 88% of those with impact factors 
between 10 and 20, and 73% of those with impact factors between 3 and 10.  Journal 
data sharing policy and journal scope were strongly associated with journal impact 
factor (p<0.001), but stratifying our dataset by these features only slightly reduced the 
association between impact factor and recall (minimum p‐value for stratified analysis 
was 0.06).  
 
There was no association between the number of citations received by a study or the 
study sample size and whether or not the dataset was found by our PubMed identifier 
query.  Histograms of the impact factors (Figure 2a), citations (Figure 2b), and dataset 
sample size (Figure 2c) found and overlooked by our query illustrate these patterns. 
 
 
 

15

(a) 
 
(b) 
 
(c) 
 
 
Figure 2:  Histograms of datasets found or missed by database queries for 
PubMed identifiers by (a) impact factor of journal that published the associated 
study, (b) number of times the associated study was cited by an article in 
PubMed Central, and (c) number of data points in the dataset. 
 
 
The ability to retrieve online datasets through PubMed identifiers differed across the 
twenty journals in our sample, as illustrated in Figure 3, although this difference was not 
statistically significant in an ANOVA test (p=0.9).  
 
 

16

 
Figure 3:  Gene expression microarray datasets published online, by journal.  
Light grey bars represent the proportion of online datasets available in the Gene 
Expression Omnibus or ArrayExpress databases.  Dark grey bars represent the 
proportion of online datasets that include their publication PubMed identifier in 
the GEO or ArrayExpress entry, and thus can be found by our retrieval method.  
The number of online datasets in our sample follows the journal title, in 
parentheses. 
 
 
Finally, we found some evidence that journal policy may be associated with whether a 
dataset is deposited into a database, complete with PubMed identifier citation.  Our 
scripted queries found 78% of known publicly available datasets for articles published in 
journals that require a GEO or ArrayExpress submission accession number as a condition 
of publication.  This is a higher retrieval rate than we found for publicly available 
datasets in journals without such a policy (65%), but the difference was not statistically 
significant (p=0.19).   
Discussion 
In this study we found that scripted queries of centralized microarray databases using 
PubMed identifiers retrieved 76.6% of all publicly available datasets associated with the 
publications.  The spectrum of datasets was similar to that found by a reference search 
[16] in terms of array platform, cell source, subject of study, sample size, and study 
impact. 
 

17

Dataset retrieval through PubMed identifiers achieved the highest recall when applied 
to studies from the highest‐impact journals.  Additional research is needed to 
understand the reasons behind this finding since it is not fully explained by journal 
policy or scope, and may have to do with the implementation details of journal policy 
requirements.  The importance of the retrieval bias depends on the intended use of the 
query results.  For example, while there is likely no problem using the query to retrieve 
datasets for a combination analysis, caution is required when using the results for policy 
evaluation because query results are not fully representative of all online datasets,  
 
Our evaluation has several limitations.  The evaluation dataset was not chosen randomly 
and does not contain a representative distribution of journals:  in particular, our 
evaluation subset lacked any journal with an impact factor below 2.5.  Also, our 
reference standard classifications may contain errors, if there exist studies with publicly 
available data that were identified by neither the Ochsner search nor our PubMed 
identifier query. 
 
We found that the number of gene expression microarray dataset entries with citation 
links could be increased by about 25% if all datasets now published on the internet were 
uploaded to centralized databases, and all primary article citation fields were fully 
completed.  This is consistent with the findings of manual update efforts on the PDB 
database [24, 25].  We believe encouraging authors and enabling curators to document 
all link between datasets and research articles is effort well spent.  In addition to use in 
retrieval, a clear relationship between a dataset and its research article allows 
synergistic documentation, integration for text mining and data mining, and facilitates 
rewards for publicly sharing data [26, 27]. 
 
This study considers the issue of retrieving datasets that are currently available on the 
internet.  As noted by Ochsner et al., data from half of the published gene expression 
microarray studies does not appear to be publicly shared online [16].  Addressing 
incentives and policies for increasing the proportion of publicly available datasets is 
outside the scope of the current study but represents a crucial issue for unleashing the 
potential of research resources. 
Conclusions 
Efficient and accurate dataset retrieval can improve the efficiency of scientific progress, 
to the extent that it permits detailed review, facilitates integration, and reduces 
duplicate data collection. Our study suggests that querying gene expression microarray 
databases for PubMed identifiers is a feasible approach for identifying the majority of 
publication‐related publicly available datasets, particularly when results from GEO and 
ArrayExpress are combined.  The retrieved datasets are representative of all related 
publicly available datasets.  We urge the authors of all datasets to complete the citation 

18

fields for their dataset submissions once publication details are known, thereby ensuring 
their work can have maximum visibility and fully contribute to future scientific studies.  
Authors’ Contributions 
HP conceived of the study, collected and analyzed the data, and drafted the manuscript.  
WC contributed to the study design and the final manuscript. All authors read and 
approved the final manuscript. 
Acknowledgments 
Funding was obtained from the National Library of Medicine (5T15‐LM007059‐19 to HP, 
5R01‐LM009427‐01 to WC) and the Department of Biomedical Informatics at the 
University of Pittsburgh.  The authors thank the editor, Neil Smalheiser, for his valuable 
feedback. 
Competing Interests 
The authors declare that they have no competing interests. 
References 
1.  Taylor C, Field, D, Sansone, SA, Aerts, J, Apweiler, R, Ashburner, M, Ball, CA, Binz, PA, 
Bogue, M, Booth, T: Promoting coherent minimum reporting guidelines for biological 
and biomedical investigations: the MIBBI project. Nature Biotechnology 2008, 
26(8):889‐896. 
2.  Shah NH, Rubin DL, Espinosa I, Montgomery K, Musen MA: Annotation and query of 
tissue microarray data using the NCI Thesaurus. BMC Bioinformatics 2007, 8:296. 
3.  Butte AJ, Chen R: Finding disease‐related genomic experiments within an international 
repository: first steps in translational bioinformatics. AMIA Annual Symposium 
Proceedings 2006:106‐110. 
4.  Williams‐Devane CR, Wolf MK, Richard AM: Towards a public toxicogenomics capability 
for supporting predictive toxicology: Survey of current resources and chemical 
indexing of experiments in GEO and ArrayExpress. Toxicological Sciences 2009, 
109(2):358‐371. 
5.  Dudley J, Butte AJ: Enabling integrative genomic analysis of high‐impact human 
diseases through text mining. Pacific Symposium on Biocomputing 2008:580‐591. 
6.  Lin YA, Chiang A, Lin R, Yao P, Chen R, Butte AJ: Methodologies for extracting functional 
pharmacogenomic experiments from international repository. AMIA Annual 
Symposium Proceedings 2007:463‐467. 
7.  Jensen L, Saric J, Bork P: Literature mining for the biologist: from information retrieval 
to biological discovery. Nature Reviews Genetics 2006, 7(2):119‐129. 
8.  Djebbari A, Karamycheva S, Howe E, Quackenbush J: MeSHer: identifying biological 
concepts in microarray assays based on PubMed references and MeSH terms. 
Bioinformatics 2005, 21(15):3324‐3326. 
9.  Butte AJ, Kohane IS: Creation and implications of a phenome‐genome network. Nature 
Biotechnology 2006, 24(1):55‐62. 

19

10.  Korbel JO, Doerks T, Jensen LJ, Perez‐Iratxeta C, Kaczanowski S, Hooper SD, Andrade 
MA, Bork P: Systematic Association of Genes to Phenotypes by Genome and Literature 
Mining. PLoS Biol 2005, 3(5):e134. 
11.  Scherf M, Epple A, Werner T: The next generation of literature analysis: integration of 
genomic analysis into text mining. Briefings in Bioinformatics 2005, 6(3):287‐297. 
12.  Fink JL, Kushch, Sergey, Williams, Parker R, Bourne, Philip E: BioLit: integrating 
biological literature with databases. Nucleic Acids Research 2008, 36(Web Servier 
issue):W385‐W389. 
13.  Tanabe L, Scherf U, Smith LH, Lee JK, Hunter L, Weinstein JN: MedMiner: an Internet 
text‐mining tool for biomedical information, with application to gene expression 
profiling. Biotechniques 1999, 27(6):1210‐1214, 1216‐1217. 
14.  Hearst M, Divoli A, Guturu H, Ksikes A, Nakov P, Wooldridge M, Ye J: BioText Search 
Engine: beyond abstract search. Bioinformatics 2007, 23(16):2196‐2197. 
15.  Free PubMed Facelifts: Alternative Interfaces to an Essential Database. In: University of 
Manitoba Info‐Rx Newsletter. vol. March 27, 2007: 
URL:http://myuminfo.umanitoba.ca/index.asp?sec=857&too=100&dat=3/26/2007&sta=
3&wee=5&eve=8&npa=12437. (Archived by WebCite® at 
http://www.webcitation.org/5ibUYdS3X) 
16.  Ochsner SA, Steffen DL, Stoeckert CJ, McKenna NJ: Much room for improvement in 
deposition rates of expression microarray datasets. Nature Methods 2008, 5(12):991. 
17.  Barrett T, Troup DB, Wilhite SE, Ledoux P, Rudnev D, Evangelista C, Kim IF, Soboleva A, 
Tomashevsky M, Edgar R: NCBI GEO: mining tens of millions of expression profiles‐‐
database and tools update. Nucleic Acids Reasearch 2007, 35(Database issue):D760‐
D765. 
18.  Parkinson H, Kapushesky M, Shojatalab M, Abeygunawardena N, Coulson R, Farne A, 
Holloway E, Kolesnykov N, Lilja P, Lukk M, Mani R, Rayner T, Sharma A, William E, 
Sarkans U, and Brazma A: ArrayExpress‐‐a public database of microarray experiments 
and gene expression profiles. Nucleic Acids Research 2007, 35(Database issue): D747‐
D750. 
19.  Piwowar HA, Chapman WW: A review of journal policies for sharing research data. In: 
ELPUB. 2008. 
20.  EUtils Python library [http://sourceforge.net/projects/eutils/] 
21.  Morales M, R Development Core Team, R‐help listserv community and especially 
Duncan Murdoch: sciplot: Scientific Graphing Functions for Factorial Designs. 
22.  Harrell, FE with contributions from many other users: Hmisc: Harrell Miscellaneous. 
2007.   
23.  R Development Core Team: R: A Language and Environment for Statistical Computing. 
In. Vienna, Austria: ISBN 3‐900051‐07‐0; 2008. 
24.  Bhat TN, Bourne P, Feng Z, Gilliland G, Jain S, Ravichandran V, Schneider B, Schneider K, 
Thanki N, Weissig H, Westbrook J, Berman HM: The PDB data uniformity project. 
Nucleic Acids Research 2001, 29(1):214‐218. 
25.  PDBj News Letter. In: Volume 7, March 2006 
http://www.pdbj.org/NewsLetter/newsletter_vol7_e.pdf. Accessed: 2009‐11‐18. 
(Archived by WebCite® at http://www.webcitation.org/5lNczfJZJ) 
26.  Compete, collaborate, compel. Nature Genetics 2007, 39(8):931. 

20

27.  Piwowar HA, Day RS, Fridsma DB: Sharing detailed research data is associated with 
increased citation rate. PLoS ONE 2007, 2(3):e308. 
 
 
 
 
 
 
Additional Files 
 
rawdata.csv:  Raw characteristics of gene expression microarray studies and their 
associated datasets. Covariates for 397 gene expression microarray studies, including 
PubMed identifier, journal of publication, whether associated datasets were found by 
Ochsner search, whether associated datasets were found by searching databases for 
PubMed identifiers, database accession numbers, MeSH classifications for species, and 
array design platform.  A given PubMed ID is listed on multiple rows if it has multiple 
associated datasets. 
 
statistics.R:  Statistical script.  R code for calculating statistics and graphs in this study 
paper, given the rawdata.csv file.