你不知道的小路---测序数据上传

近年来，随着科技的进步，新一代大规模平行测序技术诞生了，如454、Solexa 和HeliScope等。这些测序技术可以同时对大量的短片段测序，由于其物种的多样性、数据的复杂性及结果的高通量性，使原有的数据库不能适应新的测序结果。而一些小型实验室自身也不具备处理和管理这些复杂数据的能力。因此NCBI创建了SRA 数据库，帮助用户管理这些测序数据，同时有助于科研界共享数据。这是大家众所周知的大型存储测序结果的数据库，也是一个上传步骤繁琐的数据库。

在测序技术诞生之前，用于基因检测的主流技术是微阵列技术，也就是生物芯片。而芯片的结果数据也需要上传至一个公共数据库--- Gene Expression Omnibus（GEO），对于它的介绍我在前期的一篇微信软文中介绍过，如果想了解可以关注软文下方的伯豪公众账号查看。在SRA数据库创建之前，最初的测序数据也是上传至GEO数据库的。

我们可以从NCBI上传数据库的总的界面看到，GEO数据不单单只上传芯片数据，当然除了测序还有其他类型的数据，如下图：

说到现在，这就是我写这篇软文的目的---上传测序数据的小路！

当然不是所有类型的测序数据都可以通过GEO上传，GEO有明确他接受的测序数据的类型范围，请看下图：

各位看客们，不要被“小路”所迷惑，根据您实际的物种类型，服务项目选择适合的方式上传，如没有参考基因组的物种，宏基因组，拷贝数变异等项目肯定不能通过GEO上传的。

好了，理清楚可不可以走“小路”，下面就是上传GEO数据库的准备工作。

首先不管上传至哪个数据库，第一步都需要在NCBI上注册账号（看过之前芯片上传GEO的看客们忍忍啊，这边步骤基本一样）：

注意：新建的话，一定填写您常用的邮箱和基本信息，以免影响上传后的客服及时跟您沟通。

注册成功后回到主页：

下拉框中选择“GEO Datasets”或者“GEO Profiles”，再点击“search”。

点击“submit to GEO”提交数据通道。

如果对上传数据有了一定的了解，或是再次上传的，在准备工作做好的情况下，可以直接点击“GEOarchive”后面的“Submit”（如下图）

初次上传测序数据，请点击“high-throughputsequence submissions”：

在弹出的新的界面里，我们可以了解到在GEO数据中需要上传的数据类型和他们是如何管理审核的。

在上面的界面上往下滚动鼠标，了解数据可以通过两种格式上传：

以及如果用GEOarchive需要准备的数据内容，分别为Metadata spreadsheet、processed data file和Raw data file。鼠标再往下滚动就是对这三种数据进行详细的解说，以及不同平台的测序数据所要准备raw data的样板类型和由于raw data file通常比较大，正对不同操作系统的上传方式（页面篇幅太大，我就不截屏了，大家可以自行上网see）。

简单的介绍了上传准备数据前需要了解的信息，下面就需要我们动起来：

以GEOarchive格式为例，先下载Metadata spreadsheet，仍然在刚才的界面上：

另存到本机硬盘中，打开表格（跟芯片上传表格有点类似）：

表格中内含三个子表，第一个是我们需要填写的表格，后面两个是案例共参考的。如上图所示：

1 SERIES：跟文章相关的内容：标题，摘要，实验设计，参与者；

2 SAMPLES：跟样本信息相关的内容：样本命名，物种来源，特征，及对应的处理数据和原始数据；

3 每列标题上方的三角，鼠标移动到标题会显示出注释。

由于表格篇幅太大，分两个部分介绍：

1 PROTOCOLS：样本的实验准备和文库构建的描述；

2 DATA PROCESSIONG PIPIELINE:数据处理方面的描述，如数据预处理，数据比对，采用的基因组版本等；

3 PROCESSED DATA FLIES:处理后数据的命名，格式，及MD5码；

4 RAW FILES:原始数据的命名，格式，MD5码，平台类型，测序读长及单双向读取；

5 PAIRED-END EXPERIMENTS:如果是双向的，还需要填写双向的原始数据名称，插入片段长度及插入长度的标准偏差。

做到这里可以长舒一口气了，工程完成一半了，要填写的内容已经完成。

下面就是数据上传工作，分两个步骤上传：

1 将PROCESSED DATA FLIES和Metadataspreadsheet一起打包并命名，以便GEO客服更快的找到您的数据进行审核。

由于这个压缩文件不大，可以通过之前显示过得“GEOarchive”界面:

点击“submit”

选择压缩文件，上传类型，以及释放日期。

点击“submit”后，网页会不停的刷新，根据数据大小，刷新的时间不同。

成功后会出现以上网页，同时您的邮箱中也会接收到正式邮件，如果不成功，GEO客服也会以邮件形式告诉您，数据需要补充的内容。

1 将RAW DATA FILES上传，一般测序的原始数据都比较大，在线上传比较慢，而且会断点，推荐用NCBI推荐的FTP上传。

根据自己熟悉操作系统，安装FTP软件，填写连接地址，用户名和密码，进行数据上传。

友情提醒：在GEO给你的地址文件夹中最好新建一个自己命名的文件，将原始数据上传到这个文件夹中。这个FTP地址是一个公共的上传地址，你在传，别人也在传，这茫茫数据海中，谁知道哪个是你的数据啊，而且NCBI会不定时的清理上传不全的数据。为了你能实时观察您数据上传情况，和即使上传未完成，可以email给GEO客服暂时不要清理某个文件夹中的数据，所以最好新建一个文件夹。

所有上传任务完成后，还需要给GEO客服写一封信，通知他们您有一份上传数据，并让他们尽快发布：

这一步的作用是提醒GEO客服，需要正式发布的数据。

信件内容，首先说明此次上传的测序数据类型，存放的压缩包名字，上传的账户，以及压缩包里包含的数据内容，分别通过什么途径上传的。

一般大约4,5个工作日，经GEO审核，数据没有问题，他们会以邮件形式告诉您数据的检索号，您就可用于准备发表的文章中。

伯豪专业服务

成就科学发现