如何在GEO数据库上传原始测序数据RNA-SEQ，学习过程分享！

向着太阳的喵

已于 2024-02-26 10:23:42 修改

阅读量1.3k

点赞数 12

文章标签：学习 r语言 linux perl python

于 2024-02-22 17:13:50 首次发布

本文链接： https://blog.csdn.net/weixin_52883890/article/details/136227316

版权

背景知识
GEO （Gene Expression Omnibus）是一个公共功能基因组学数据存储库，支持符合 MIAME 标准的数据提交。接受基于阵列和序列的数据。提供工具来帮助用户查询和下载实验和策划的基因表达谱。基本上文章中原始测序数据都会提交在这个数据库中，所以学会上传自己的数据也是十分重要的。
2 上传步骤
1.登录NCBI(https://www.ncbi.nlm.nih.gov/)，在首页点击Submit，准备上传原始测序数据（.fastq.gz文件，是测序原始文件的压缩文件）。
在这里插入图片描述
2.下滑页面，找到Other Tools下面的GEO一栏，点击Learn more
3.点击Sunbmit high-throughput sequencing

4.点击Raw data files

5.上传数据分为两步，页面往下滑动，先选择Transfer Files
6.登录NCBI账号（需要自己注册）
上传数据是会要求填入自己的邮件，工作单位和地址等信息。
在这里插入图片描述
7.上传数据，Step1提供了文件上传地址，Step2提供了FTP服务器的地址，账号和密码。

8.选择远程登录FTP服务器软件filezilla并上传测序文件
在给定的上传文件夹中新建一个文件夹（命名规则：geo_submission_month&day），并把测序原始文件从上传到此文件夹中。eg：geo_submission_feb22
注意：右侧的uploads/…需要按回车的，我还查了半天，以为我的filezilla有问题。。。。。哈哈哈，愚蠢的错误
【正在进行中，这一步十分漫长。2个小时两个文件的龟速。。。】
今晚放这上传，如果明天还很慢，再想办法服务器传输，今天试了conda下载安装lftp，好像不太行，可能我不太会弄，哈哈哈。
在这里插入图片描述
9.因为远程上传文件，需要检查文件是否上传完整，所以需要同时上传md5值
#在自己的服务器中将所有的原始测序文件生成原始md5值
md5sum *fastq.gz >md5check.txt

10.测序数据注释和实验流程概述
为了让大家更好的利用公共数据库中的数据，所以需要大家对自己上传的数据进行充分的注释，geo官方给定的了一个metadata spreadsheet (template and examples)，(https://submit.ncbi.nlm.nih.gov/geo/submission/meta/)里面包含了RNA-seq和ChIP-seq数据的模板，可以根据模板填入。填完之后就随数据同时上传即可。
在这里插入图片描述
下图是metadata的示例，根据自己的数据情况，按照模版填写即可。

11.等所有数据上传完成后，就可以进入最后一步，Notify GEO。

然后填入你上传的文件夹名。如果文章在投或者暂不想公开数据，GEO数据可以将你的测序文件设为私密（最多3年），这个可以自行设置Release date。最后点击Submit，即完成上传的所有流程。

12.最后一步~邮件确认！
待所有数据上传完成并提交之后，会有邮件提醒你的上传是否存在问题，如果无误，就会给定GSE number，表示上传完成。
撒花！！！出GEO编号啦，大概需要一天的样子，我周五晚上还在上传，周六就给GEO编号啦，周一早上打开电脑，一看出来啦，NCBI真给力！！！接下来就是改改论文，准备投稿啦，嘿嘿嘿。
在这里插入图片描述
############小结，就是需要上传的文件有3个。
1.fastq原始数据；2.表达量矩阵；3.metadata样本说明表格。