超详细的GEO数据上传攻略，一看就会

最新推荐文章于 2025-02-19 09:15:24 发布

生信宝典

最新推荐文章于 2025-02-19 09:15:24 发布

阅读量2.5k

点赞数 27

文章标签： GEO linux

本文链接：https://blog.csdn.net/qazplm12_3/article/details/144283517

版权

数据上传需要提交各种类型的数据、表格（Excel改变了你的基因名，30% 相关Nature文章受影响，NCBI也受波及）和资料，过程比较繁琐。之前有出过推文介绍测序数据上传到哪-测序文章数据上传找哪里，里面不仅介绍了windows系统的上传方法，也提供了linux下lftp上传的上传脚本。原文篇幅有限，现整合一份详细的数据上传指南，每一步都有说明，一看就会，再也不用担心数据上传。

GEO数据库全称GENE EXPRESSION OMNIBUS，成立于2000年，是由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库，主要收录高通量基因表达数据(NGS基础 - 高通量测序原理)。除SRA数据库之外（原始数据极速上传NCBI SRA教程），GEO数据库也是目前文章投递数据上传的数据库之一。以下主要介绍RNA-seq (重磅综述：三万字长文读懂单细胞RNA测序分析的最佳实践教程（原理、代码和评述）)和ChIP-seq（ChIP-seq基本分析流程）的上传流程。

1. 注册账号

首先需要注册一个NCBI（https://www.ncbi.nlm.nih.gov/geo/submitter/）（生信软件系列 - NCBI使用），GEO账号，如果已经有账号，可以直接点击登录。

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

2. 数据准备

选择需要上传的高通量数据（Illumina测序仪比较和各种测序应用模式图，助力了解高通量测序）。

需要上传的数据有三种。

Metadata spreadsheet

该文件是关于整个研究中样本和实验的相关信息。

SERIES：主要包含文章的标题、概述、实验整体设计、共同作者、补充材料和SAR号（SRA号为选填，如果已经上传了SRA，则填上，否则空着即可）。此项需要填写的稍微详细一点，不然后面GEO可能发邮件要求补充abstract。

SAMPLE：样品的详细信息，包括样品名称、来源、器官、年龄、表达值数据和原始数据等，如果是ChIP-seq，还需要提供相关的抗体信息。

PROTOCOLS：样品的实验和提取建库详细信息。

DATA PROCESSING PIPELINE：数据处理步骤，参考基因组（NGS基础 - 参考基因组和基因注释文件）详细信息。

PROCESSED DATA FILES：RNA-seq或者ChIP-seq等实验，通常需要提供一些额外的数据文件，比如基因表达量，基因信号文件和MD5值（MD5值：在Linux下可以使用命令md5sum filename来获取；Windows下可以在网上搜索一个MD5值计算工具，比如http://www.winmd5.com/。）等。

RAW FILES：原始数据详细信息。

PAIRED-END EXPERIMENTS：双端测序序列详细信息，此项可不填。

Processed data files

经过处理的数据是GEO提交的必要部分，GEO会审核客户上传的处理过的数据，以此来检验相关文章结论的真实可靠性。RNA-seq可以上传基因表达量文件，ChIP-seq可以上传WIG、bigWig、bedGraph等（生信分析过程中这些常见文件的格式以及查看方式你都知道吗？），不过由于是中间文件，该部分内容没有完全固定的格式。

Raw data files

原始数据一般采用FASTQ格式（NGS基础 - FASTQ格式解释和质量评估），另外SRA数据库接受的其他格式也是可以的（https://www.ncbi.nlm.nih.gov/sra/docs/submitformats/）。

准备好所有数据之后选择Uploading your submission，Transter Files。

3. 数据上传

原始测序的fastq一般采用gzip压缩后上传。

在Linux系统，使用的是lftp上传； Windows可以使用FileZilla（https://filezilla-project.org/）。

Linux下lftp上传

为了方便lftp上传，生信宝典总编写了一个bash脚本, 命名为GEO_upload.sh，只需提供FTP服务器的地址、用户名、密码、上传文件所在目录和上传到FTP服务器的目录即可。需要注意的是，注册GEO之后在上传页面的Uploading your submission会提供FTP的地址、用户名和密码等信息。

GEO_upload.sh -f ftp-private.ncbi.nlm.nih.gov -u geo -p password -t fasp/detination_dir/ -s localdir/

为了简单方便，localdir里面只包含需要上传的文件，包括原始测序文件，处理后文件和Metadata spreadsheet。

#!/bin/bash

#set -x
set -e
set -u

usage()
{
cat <<EOF >&2
${txtcyn}
Usage:

$0 options${txtrst}

${bldblu}Function${txtrst}:

This script is used to upload files to an FTP server using lftp.

${txtbld}OPTIONS${txtrst}:
    -f    FTP address ${bldred}[NECESSARY]${txtrst}
    -u    User name ${bldred}[NECESSARY]${txtrst}
    -p    Password ${bldred}[NECESSARY]${txtrst}
    -t    Target dir ${bldred}[NECESSARY]${txtrst}
    -s    Source dir ${bldred}[NECESSARY]${txtrst}    
EOF
}

ftp=
user=
passwd=
target=
source_dir=

while getopts "hf:u:p:t:s:" OPTION
do
    case $OPTION in
        h)
            usage
            exit 1
            ;;
        f)
            ftp=$OPTARG
            ;;
        u)
            user=$OPTARG
            ;;
        p)
            passwd=$OPTARG
            ;;
        t)
            target=$OPTARG
            ;;
        s)
            source_dir=$OPTARG
            ;;
        ?)
            usage
            exit 1
            ;;
    esac
done

if [ -z $ftp ]; then
    usage
    exit 1
fi

cat <<END >lftp.script
open -u ${user},${passwd} ${ftp}
mkdir -p ${target}
cd ${target}
cache size 33554432
set cmd:parallel 10
mput -c ${source_dir}/*
END

lftp -f lftp.script