GEO数据上传指南

GEO数据库全称GENE EXPRESSION OMNIBUS，是当今最大、最全面的公共基因表达数据资源。NCBI于2000年创建并维护的基因表达数据库，收录世界各国研究机构提交的高通量基因表达数据。GEO数据库可以上传自己的数据，还可以免费下载数据库中的数据来进行分析，为自己的研究提供一些启示或者验证。


很多SCI杂志都要求发表文章前将这些数据上传至NCBI的GEO数据库中，所以学习如何上传数据至GEO数据库很有必要。今天小编就整理了一份超详细的GEO测序数据上传攻略，帮助大家在上传过程中一步到位。


Step1 账号注册

数据上传前首先需要注册一个NCBI账号（https://www.ncbi.nlm.nih.gov/geo/submitter/），创建完成记得邮件激活哦。如果已经有账号，可以直接点击登录。

Step2 创建新提交任务


若为首次登录页面会出现两个选项。首次上传数据到GEO选择第二个选项。按照要求填写相应的信息，包括注册人员信息和上传者信息，填写完毕，点击save，管理员会发送通知和链接到你的邮箱，信息填写完毕后会自动登陆GEO。 点击 new Submission创建新提交任务。

Step3 数据准备


GEO数据库支持上传芯片数据、高通量测序数据以及RT-PCR数据等，首先选择需要上传数据的类型，本次以高通量测序数据上传为例进行讲解，选择选择 submit high-throughput sequencing。

上传数据需要准备三个文件，分别为：Metadata spreadsheet、Processed data files、Raw data files。

  • Metadata spreadsheet文件

元文件是一个Excel表格，可在以下链接中下载获取模板。该表格中主要包含实验、样本及数据处理相关信息。

下载的填写模板中已经给出两个填写例子（chip数据和RNA测序数据）,可参考EXAMPLE 部分填写，若需获取中文指导版可在“云生物”公众号回复 “GEO数据上传” 获取以下表格。

  • Processed data files

经过处理的数据是GEO提交的必要部分，本部分将审核检验文章结论的真实可靠性。RNA-seq准备基因表达量文件（行为基因ID，列为样本，值可以是标准化后的表达值，也可以是原始read count），chipseq可准备bigwig和peak文件。

  • Raw data files

原始数据一般采用FASTQ格式，注意最好为压缩文件一般为.gz格式，注意检查原始文件的数据完整性（通过MD5校验）。

到此准备文件已全部就位，电脑桌面创建一个与NCBI账户名相同的文件夹，将准备好的三部分文件移入文件夹中等待上传。


Step4 数据上传


选择Uploading your submission，Transter Files，创建个人上传空间。由于raw data files中文件较大，推荐选择FTP进行上传。FileZilla下载链接：https://filezilla-project.org/。

打开FileZilla，主机(H) 框填写host address ：ftp-private.ncbi.nlm.nih.gov，用户名(U)填写geoftp，密码填写rebUzyi1（此项可能不定期更新），端口号不填，点击快速连接按钮。（此处插播友情提示：点击快速链接后可能会出现permission demined提示，请忽略它。）直接在右侧远程站点框中输入GEO数据库提供给你的上传路径即：uploads/********，按回车键即可进入个人上传目录。

为保证传输过程的顺利进行，防止上传失败，需先对FileZilla进行设置。点击菜单栏上的编辑—设置—连接—最大重试次数调至99；对已存在文件的操作—下载/上传均调为继续文件传输。以上设置主要是为防止上传/下载中断以便下次可在已下载基础上继续上传/下载。设置完成记得点击确定保存设置哦！

从本地站点找到以上准备好的文件夹，将本地资料右键选择上传或将文件夹直接拖拽到右侧空白处，数据即开始上传。

Step5 审核发布


数据上传结束后，可点击Notify GEO，提醒GEO后台人员上传完成，可以进行审核。点击后需填写你建立的文件夹名称，期望数据公开的时间，以及更进一步的说明等。

或者也可给给GEO(geo@ncbi.nlm.nih.gov)发送邮件，示例如下：

提交了该数据之后，五个工作日内就会收到来自GEO数据库的邮件（邮箱为NCBI注册时留下的邮箱）。如果你的数据有问题，会通知你去再次上传或者是修改，若没有问题即可得到具体GEO号。

分享