會了GEO數(shù)據(jù)下載练湿，來看看怎么上傳吧

劉小澤寫于2020.8.12

1 注冊NCBI GEO賬號

先注冊NCBI賬號导街，在：https://www.ncbi.nlm.nih.gov/

然后注冊GEO賬號，在：https://www.ncbi.nlm.nih.gov/geo/submitter/

GEO可上傳的數(shù)據(jù)類型種類主要集中在芯片和高通量數(shù)據(jù)踪蹬，比如芯片數(shù)據(jù)的四大主流：Affymetrix、Agilent臣咖、Nimblegen跃捣、Illumina，高通量的RNA-Seq夺蛇、ChIP-Seq疚漆、ATAC-Seq等。另外還有RT-PCR刁赦、SAGE數(shù)據(jù)可以上傳

2 提交高通量測序數(shù)據(jù)須知

重點需要提交三部分：

實驗總覽（metadata spreadsheet）：參考樣本 https://www.ncbi.nlm.nih.gov/geo/info/examples/seq_template.xlsx
處理過后的數(shù)據(jù)（processed data files）：需要注意
- 不可以提交中間過程的比對文件（如BAM娶聘、SAM、BED）甚脉，但如果結(jié)果只有這樣的比對文件丸升，可以寫信給他們詢問是否合格
- 一般來說，提交什么類型的數(shù)據(jù)取決于實驗類型：
  - 表達(dá)量相關(guān)的數(shù)據(jù)：例如 genes, transcripts, exons, miRNA等表達(dá)量牺氨，需要原始表達(dá)矩陣或標(biāo)準(zhǔn)化后的表達(dá)矩陣（例如 Cufflinks, Cuffdiff, DESeq, edgeR的結(jié)果文件）狡耻。可以每個樣本一個文件猴凹，也可以使用一整個表達(dá)矩陣夷狰，但需要包含全部基因和全部樣本的信息（不可以只用差異基因）
  - ChIP-Seq數(shù)據(jù)：必須包含有關(guān)于peak豐度的文件（如WIG, bigWig, bedGraph）
- 所有處理過的文件描述都必須體現(xiàn)在metadata文件中
- 如果提交了WIG, bedGraph, GFF, GTF文件，格式需要參考： UCSC file format FAQ
原始數(shù)據(jù)（raw data files）： GEO的原始數(shù)據(jù)也是會提交給SRA
- 必須是包含reads郊霎、質(zhì)量值的原始fastq格式孵淘，不符合要求的數(shù)據(jù)會直接從GEO系統(tǒng)中刪除
- 如果測序數(shù)據(jù)使用了barcode（例如10x Genomics, Drop-Seq, InDrops的數(shù)據(jù)），可以提交不經(jīng)過拆分的multiplexed files歹篓；對于其他多路復(fù)用（Multiplexed）的數(shù)據(jù)來說瘫证，必須要先經(jīng)過demultiplex操作，將樣本分開
- PE測序數(shù)據(jù)：一般每個run會產(chǎn)生兩個數(shù)據(jù)（特殊情況下庄撮，每個run中的序列和質(zhì)量值文件是分開的背捌，也就是產(chǎn)生了4個文件）
- MD5Sum：推薦使用MD5驗證數(shù)據(jù)，方法是：
  - Unix: md5sum <file>
  - OS X: md5 <file>
  - Windows: 需要用某些應(yīng)用程序（如winmd5free洞斯，或者 Microsoft's File Checksum Integrity Verifier (FCIV) utility ）
- 關(guān)于數(shù)據(jù)壓縮：為了加快傳輸毡庆，可以適當(dāng)將數(shù)據(jù)壓縮坑赡，但不強(qiáng)求∶纯梗可以使用gzip毅否、bzip2（后綴是.gz或.bz2），但不要壓縮二進(jìn)制文件（如BAM蝇刀、bigWig螟加、bigBed），也不要上傳ZIP文件

3 GEO接受的數(shù)據(jù)與不可接受的數(shù)據(jù)

GEO可接受的

基因表達(dá)吞琐、基因調(diào)控捆探、表觀以及其他功能基因組學(xué)研究，例如

mRNA profiling, RNA-seq (example)
small RNA profiling, miRNA-seq (example)
ChIP-Seq (example)
HiC-seq (example)
methyl-seq, bisulfite-seq (example)

GEO不可接受的

需要權(quán)限訪問的人類數(shù)據(jù)：可以提交給dbGaP and controlled access SRA
轉(zhuǎn)錄本組裝：可以提交給 SRA 以及 Transcriptome Shotgun Assembly Database)
全基因組測序：可以提交給SRA and WGS
宏基因組測序：可以提交給SRA
重測序以及變異相關(guān)研究：可以提交給SRA 或合適的 variation resource
全外顯子數(shù)據(jù)：可以提交給SRA

4 重頭戲-實驗總覽（metadata spreadsheet）

參考樣本： https://www.ncbi.nlm.nih.gov/geo/info/examples/seq_template.xlsx

總共包含7大塊

4.1 SERIES

與文章相關(guān)的內(nèi)容

標(biāo)題（title）
摘要（summary）
實驗設(shè)計（overall design）
參與者（contributor）：可以寫多個
附件（supplementary file）

4.2 SAMPLES

與樣本信息相關(guān)的內(nèi)容

樣本編號（Sample name）
樣本名稱（title）
樣本來源（source name）
物種（organism）
樣本描述（characteristics: strain站粟、tissue黍图、age、genotype奴烙、cell line助被、treatment）
與該樣本相關(guān)的文件（molecule、processed data file 切诀、raw file）

4.3 PROTOCOLS

樣本的實驗操作以及建庫流程揩环，簡單描述即可

4.4 DATA PROCESSING PIPELINE

數(shù)據(jù)處理描述，比如基因組版本是什么趾牧、怎么比對检盼、怎么過濾肯污、怎么找peaks翘单、怎么定量

4.5 PROCESSED DATA FILES

數(shù)據(jù)處理后的文件名稱

file name
file type：除了raw count數(shù)據(jù)，其余可以統(tǒng)一寫成abundance measurements
file checksum

4.6 RAW FILES

原始數(shù)據(jù)名稱（file name）
文件類型（file type）：比如fastq
md5校驗（file checksum）
測序儀器型號（instrument model）
單端or雙端（single or paired-end）

4.7 PAIRED-END EXPERIMENTS

如果使用了雙端測序數(shù)據(jù)蹦渣，需要列出各自的名稱

file name 1
file name 2

5 準(zhǔn)備工作結(jié)束后哄芜，可以開始上傳

上面的實驗總覽（metadata spreadsheet）、處理過后的數(shù)據(jù)（processed data files）柬唯、**原始數(shù)據(jù)（raw data files） ** 都準(zhǔn)備好认臊，就可以開始準(zhǔn)備上傳了

學(xué)習(xí)如何使用FileZilla進(jìn)行上傳

首先會看到自己的上傳目錄，一會將用到

然后設(shè)置FileZilla：

host (ftp-private.ncbi.nlm.nih.gov)
username (geoftp)
password (rebUzyi1)

此時會發(fā)生報錯锄奢，忽略它

修改Remote site失晴，然后回車連接：

最后就可以將本地數(shù)據(jù)上傳到GEO指定位置了

Tips：為了避免FileZilla上傳過程出現(xiàn)中斷，可以設(shè)置斷點續(xù)傳

6 最后拘央，提醒GEO數(shù)據(jù)上傳完成

并且會提示再核實一遍信息涂屁，沒有問題的話5個工作日內(nèi)就會進(jìn)行審核

Tips：補(bǔ)充

來自：https://www.ncbi.nlm.nih.gov/geo/info/submissionftp.html

在上傳前，首先新建一個主目錄灰伟，例如：geo_submission_august17 拆又，然后把所有的要傳送的數(shù)據(jù)都放里面。如果paper中包含了多個組學(xué)數(shù)據(jù)（例如同時做了ChIP-Seq、RNA-Seq）帖族，可以在主目錄下新建不同組學(xué)的子目錄栈源，例如：geo_submission_august17/ChIPseq
如果總文件大小超過了1T，需要提前聯(lián)系GEO
對于Mac竖般、PC用戶甚垦，推薦使用客戶端，如Filezilla捻激；對于LINUX/UNIX用戶制轰，推薦使用ncftp、lftp命令
GEO的FTP server登錄：
登錄后胞谭，一定要去到自己的上傳目錄下垃杖，再將主目錄拖拽上傳
最后通知GEO的時候，也要提醒他們自己上傳的目錄名字是什么【在數(shù)據(jù)傳完之前丈屹，不要通知GEO】调俘。如果不通知，兩個星期后數(shù)據(jù)就會被刪除
文件可以壓縮為gz或bzip2【但二進(jìn)制文件不能壓縮】旺垒，也可以用tar打包彩库，但千萬不要用ZIP
文件名中只能存在：alphanumerals [A-Z, a-z, 0-9], underscores [_] and dots [.]

歡迎關(guān)注我們的公眾號～_～　　
我們是兩個農(nóng)轉(zhuǎn)生信的小碩，打造生信星球先蒋，想讓它成為一個不拽術(shù)語骇钦、通俗易懂的生信知識平臺。需要幫助或提出意見請后臺留言或發(fā)送郵件到jieandze1314@gmail.com

Welcome to our bioinfoplanet!

會了GEO數(shù)據(jù)下載，來看看怎么上傳吧

會了GEO數(shù)據(jù)下載闷煤，來看看怎么上傳吧