高通量組學(xué)相關(guān)實(shí)驗(yàn)完成后，需要將數(shù)據(jù)上傳到GEO。但是GEO數(shù)據(jù)上傳過程中，需要提交各種類型的數(shù)據(jù)、表格和資料，過程比較繁瑣，今天的實(shí)用貼，手把手教您上傳GEO數(shù)據(jù)庫。

背景知識：GEO數(shù)據(jù)庫

GEO數(shù)據(jù)庫全稱GENE EXPRESSION OMNIBUS，成立于2000年，是由美國國立生物技術(shù)信息中心NCBI創(chuàng)建并維護(hù)的基因表達(dá)數(shù)據(jù)庫，主要收錄高通量基因表達(dá)數(shù)據(jù)。除SRA數(shù)據(jù)庫之外，GEO數(shù)據(jù)庫也是目前文章投遞數(shù)據(jù)上傳的數(shù)據(jù)庫之一。

接受數(shù)據(jù)類型：原始數(shù)據(jù)或者經(jīng)過處理的數(shù)據(jù)（符合“有關(guān)芯片試驗(yàn)的最小信息（minimum information about a microarray experiment，MIAME）”標(biāo)準(zhǔn)）

存儲(chǔ)數(shù)據(jù)格式：web格式、spreadsheets格式、XML格式和純文本格式

一、注冊帳號

首先需要注冊一個(gè)NCBI（https://www.ncbi.nlm.nih.gov/geo/submitter/），GEO賬號，如果已經(jīng)有賬號，可以直接點(diǎn)擊登錄。https://www.ncbi.nlm.nih.gov/geo/info/submission.html

二、文件準(zhǔn)備

需要準(zhǔn)備如下幾個(gè)文件：1. metadata spreadsheet，2. processed data files，3. raw data files。

1. metadata spreadsheet：Excel表格形式，該文件是填寫關(guān)于整個(gè)研究中樣本和實(shí)驗(yàn)的相關(guān)信息。

具體的欄目的填寫參考：

SERIES這一塊是一些跟您的實(shí)驗(yàn)相關(guān)的信息介紹，summary這一欄可以采用分段的模式來寫，也可以采用一段式的模式來寫，類似于科研論文中的摘要。

SAMPLES這一塊是具體的實(shí)驗(yàn)分組信息，以及每一個(gè)組別里面的樣品名稱的填寫。

PROTOCOLS這一塊主要是樣品的處理方式以及測序建庫的方式，一般服務(wù)商的結(jié)果報(bào)告中都會(huì)提供，也可通過與合作服務(wù)商伙伴的溝通來獲得該部分的信息。

?DATA PROCESSING PIPELINE主要是原始數(shù)據(jù)的處理步驟，以及基因組信息的填寫，其中要注意的問題是process data files的輸出通常為tab-delimited text files，也就是需要存儲(chǔ)為制表符分隔的txt文件。

2.processed data files：一個(gè)至多個(gè)文件，是根據(jù)你的原始文件進(jìn)行分析所提取得到的一些數(shù)據(jù)；該部分經(jīng)過處理的數(shù)據(jù)是GEO提交的必要部分，GEO會(huì)審核客戶上傳的處理過的數(shù)據(jù)，以此來檢驗(yàn)相關(guān)文章結(jié)論的真實(shí)可靠性。比如RNA-seq可以上傳基因表達(dá)量文件，ChIP-seq可以上傳WIG, bigWig, bedGraph等，不過由于是中間文件，該部分內(nèi)容沒有完全固定的格式。

3.?raw data files：一個(gè)至多個(gè)文件，這是你測序或芯片獲得的原始文件。測序的原始數(shù)據(jù)一般采用FASTQ格式，另外SRA數(shù)據(jù)庫接受的其他格式也是可以的（https://www.ncbi.nlm.nih.gov/sra/docs/submitformats/）。

三、數(shù)據(jù)上傳

推薦GEO官網(wǎng)推薦的軟件FileZilla。（下載傳送：https://filezilla-project.org）。打開FileZilla，主機(jī)(H) 框填寫上圖中host對應(yīng)的內(nèi)容ftp-private.ncbi.nlm.nih.gov，用戶名(U)填寫geoftp，密碼填寫rebUzyi1（此項(xiàng)可能不定期更新），端口號可不填，全部填好后，點(diǎn)擊快速連接按鈕。

TIPs：在根目錄下建立一個(gè)文件夾，文件夾的名稱和你的NCBI賬戶名稱相同即可，雙擊進(jìn)入該文件夾，建立如下三個(gè)子文件夾：1. metadata spreadsheet，2. processed data files，3. raw data files。然后將對應(yīng)的文件上傳至該文件夾即可。注意，由于raw data files很大，上傳時(shí)需要耐心等待。

四.?通知GEO數(shù)據(jù)上傳完成

上傳結(jié)束后，可點(diǎn)擊Notify GEO，提醒GEO后臺人員上傳完成，可以進(jìn)行審核。

點(diǎn)Notify GEO進(jìn)去之后就是這樣的界面，需要填寫你建立的文件夾名稱，期望數(shù)據(jù)公開的時(shí)間，以及更進(jìn)一步的說明等。

上傳成功或者數(shù)據(jù)有問題GEO都會(huì)以郵件的形式進(jìn)行通知。一般約2,3個(gè)工作日，經(jīng)審核數(shù)據(jù)沒有問題，GEO會(huì)以郵件形式通知數(shù)據(jù)的GSM（實(shí)驗(yàn)樣本編號）、GSE（研究項(xiàng)目編號）。

你也可以給GEO（geo@ncbi.nlm.nih.gov）發(fā)送郵件，郵件內(nèi)容可以參考下方：

郵件主題：Submitting high-throughput sequence data to GEO

郵件正文：

Dear sir,

We had finished the raw data uploading .

Please check according to the following information :

GEO account username: GEO帳號

Names of the directory and files deposited: ABC（存放數(shù)據(jù)的路徑）

Public release date :數(shù)據(jù)釋放日期

Our raw files were named as follows: XXX.fq.gz

Our Processed data files were named as follows: XXX.txt

Metadata spreadsheet were named as follows: Metadata_spreadsheet.xls

Thank you again for your time!

一般GEO第二天就會(huì)回復(fù)郵件，5個(gè)工作日以內(nèi)會(huì)告知具體的GEO號。?

五、其它備注

提交了該數(shù)據(jù)之后，就會(huì)收到來自GEO數(shù)據(jù)庫的郵件。（郵箱為NCBI注冊時(shí)留下的郵箱）如果你的數(shù)據(jù)有問題，會(huì)通知你去再次上傳或者是修改，這個(gè)時(shí)候你會(huì)發(fā)現(xiàn)自己在根目錄下建立的文件夾空了，不要驚慌，那是因?yàn)槟愕奈募还ぷ魅藛T轉(zhuǎn)移到了另外一個(gè)工作目錄，在這個(gè)空的文件夾中再次上傳正確的文件就行了。

等你的文件全部上傳完成后，5個(gè)工作日內(nèi)就會(huì)收到GEO給你發(fā)來的郵件，這時(shí)會(huì)給你一個(gè)GEO號，類似于GSEXXX。等你收到這封郵件后意味著你的數(shù)據(jù)正式上傳成功了，寫文章的時(shí)候把這個(gè)號附上就大功告成。