上传文件和提交textfield_会了GEO数据下载，来看看怎么上传吧

 今天是生信星球陪你的第703天

---

   大神一句话，菜鸟跑半年。我不是大神，但我可以缩短你走弯路的半年~

   就像歌儿唱的那样，如果你不知道该往哪儿走，就留在这学点生信好不好~

   这里有豆豆和花花的学习历程，从新手到进阶，生信路上有你有我！

豆豆写于2020.8.12
第一次接触这个操作，下午跟着官网学习了下

果然，还是看官网的帮助文档最香~

1 注册NCBI GEO账号

先注册NCBI账号，在：https://www.ncbi.nlm.nih.gov/

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

GEO可上传的数据类型种类主要集中在芯片和高通量数据，比如芯片数据的四大主流：Affymetrix、Agilent、Nimblegen、Illumina，高通量的RNA-Seq、ChIP-Seq、ATAC-Seq等。另外还有RT-PCR、SAGE数据可以上传

2 提交高通量测序数据须知

重点需要提交三部分：

实验总览(metadata spreadsheet)：参考样本 

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

处理过后的数据(processed data files)：需要注意

• 不可以提交中间过程的比对文件(如BAM、SAM、BED)，但如果结果只有这样的比对文件，可以写信给他们询问是否合格

• 一般来说，提交什么类型的数据取决于实验类型：

  • 表达量相关的数据：例如 genes, transcripts, exons, miRNA等表达量，需要原始表达矩阵 或 标准化后的表达矩阵(例如 Cufflinks, Cuffdiff, DESeq, edgeR的结果文件)。可以每个样本一个文件，也可以使用一整个表达矩阵，但需要包含全部基因和全部样本的信息(不可以只用差异基因)

  • ChIP-Seq数据：必须包含有关于peak丰度的文件(如WIG, bigWig, bedGraph)

• 所有处理过的文件描述都必须体现在metadata文件中

• 如果提交了WIG, bedGraph, GFF, GTF文件，格式需要参考：UCSC file format FAQ

原始数据(raw data files)： GEO的原始数据也是会提交给SRA

• 必须是包含reads、质量值的原始fastq格式，不符合要求的数据会直接从GEO系统中删除

• 如果测序数据使用了barcode(例如10x Genomics, Drop-Seq, InDrops的数据)，可以提交不经过拆分的multiplexed files；对于其他多路复用(Multiplexed)的数据来说，必须要先经过demultiplex操作，将样本分开

• PE测序数据：一般每个run会产生两个数据(特殊情况下，每个run中的序列和质量值文件是分开的，也就是产生了4个文件)

• MD5Sum：推荐使用MD5验证数据，方法是：

  • Unix: md5sum

  • OS X: md5

  • Windows: 需要用某些应用程序(如winmd5free)

• 关于数据压缩：为了加快传输，可以适当将数据压缩，但不强求。可以使用gzip、bzip2(后缀是.gz或.bz2) ，但不要压缩二进制文件(如BAM、bigWig、bigBed)，也不要上传ZIP文件

3 GEO接受的数据与不可接受的数据

GEO可接受的

基因表达、基因调控、表观以及其他功能基因组学研究，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

• 需要权限访问的人类数据：可以提交给dbGaP and controlled access SRA

• 转录本组装：可以提交给 SRA 以及 Transcriptome Shotgun Assembly Database)

• 全基因组测序：可以提交给SRA and WGS

• 宏基因组测序：可以提交给SRA

• 重测序以及变异相关研究：可以提交给SRA 或 合适的 variation resource

• 全外显子数据：可以提交给SRA

4 重头戏-实验总览(metadata spreadsheet)

参考样本：https://www.ncbi.nlm.nih.gov/geo/info/examples/seq_template.xlsx

总共包含7大块

4.1 SERIES

与文章相关的内容

• 标题(title)

• 摘要(summary)

• 实验设计(overall  design)

• 参与者(contributor)：可以写多个

• 附件(supplementary  file)

4.2 SAMPLES

与样本信息相关的内容

• 样本编号(Sample  name)

• 样本名称(title)

• 样本来源(source name)

• 物种(organism)

• 样本描述(characteristics:  strain、tissue、age、genotype、cell line、treatment)

• 与该样本相关的文件(molecule、processed  data file 、raw file)

4.3 PROTOCOLS

样本的实验操作以及建库流程，简单描述即可

4.4 DATA PROCESSING PIPELINE

数据处理描述，比如基因组版本是什么、怎么比对、怎么过滤、怎么找peaks、怎么定量

4.5 PROCESSED DATA FILES

数据处理后的文件名称

• file name

• file type：除了raw count数据，其余可以统一写成abundance measurements

• file  checksum

4.6 RAW FILES

• 原始数据名称(file name)

• 文件类型(file type)：比如fastq

• md5校验(file  checksum)

• 测序仪器型号(instrument  model)

• 单端or双端(single  or paired-end)

4.7 PAIRED-END EXPERIMENTS

如果使用了双端测序数据，需要列出各自的名称

• file  name 1

• file  name 2

5 准备工作结束后，可以开始上传

上面的实验总览(metadata spreadsheet)、处理过后的数据(processed data files)、**原始数据(raw data files) ** 都准备好，就可以开始准备上传了

学习如何使用FileZilla进行上传

首先会看到自己的上传目录，一会将用到

然后设置FileZilla：

• host (ftp-private.ncbi.nlm.nih.gov)

• username (geoftp)

• password (rebUzyi1)

此时会发生报错，忽略它

修改Remote site，然后回车连接：

最后就可以将本地数据上传到GEO指定位置了

Tips：为了避免FileZilla上传过程出现中断，可以设置断点续传

6 最后，提醒GEO数据上传完成

并且会提示再核实一遍信息，没有问题的话5个工作日内就会进行审核

---

?

初学生信，很荣幸带你迈出第一步

?生信星球 ?~ 一个不拽术语、通俗易懂的生信知识平台