GEO数据库上传--RNA-seq发文必备技能

GEO数据库是NCBI开发的基因表达数据库，主要接收通过高通量测序、基因芯片等方法获得的基因表达数据。除SRA数据库之外，GEO数据库也是目前文章投递过程中要求进行数据上传的数据库之一。

网上关于GEO数据库的上传教程良莠不齐，推荐使用下面的方法快速上传自己的数据到GEO。

第一步 向GEO提交联系信息

正常登录NCBI，如果是首次进入GEO，页面会出现两个选项，如下图：

对于之前从未上传数据到GEO的同学，请选择第二个选项。

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，其中最重要的是邮箱信息。填写完毕，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。

第二步 创建新提交任务

再次登录进入MY submissions选择new submission，自动跳转进入Subimitting data 界面（下面以高通量测序数据为例进行讲解）选择 High-throughput sequence submissions（如下两图）。

第三步 文件准备

完成上述操作后，页面自动跳转到高通量测序数据上传界面。按照提示准备好三种文件。

第一种文件 Metadata spreadsheet，主要记录RNA-seq实验的目的、方法、处理过程，以及统计预备上传的所有文件的信息和文件的MD5值等等。网站提供了相应的案例模版（同一页面具有下载链接），此步骤一定要基于模版，根据自己实验的实际情况填写所有内容，不可以直接拷贝。模版如下：

第二种文件 Processed data files，主要是基因表达的数据文件，一般转换成文本格式，可以是多个文件(例如一个样品对应一个文件）也可以是一个文件（多样品数据整合），或者其他的补充文件，包括gff文件等等。这一部分的文件是基于测序的原始数据经处理之后的结果。如果涉及新注释的一些基因的表达数据，则需要提供注释基因的位置信息等（如下图）。
第三种文件 Raw data files，也就是测序原始数据。一般接受fastq格式（上传fastq压缩文件即可），以及SRA数据库接受的其他格式。

将所有文件整理放置到同一个文件夹内，文件夹名称最好命名为GEO账号的名称。

第四步 使用Filezilla上传数据

整理好文件之后准备开始上传。数据上传前需要安装软件Filezilla（可百度可谷歌，so easy)。

需要注意的是，注册GEO之后在上传页面的Uploading your submission 会提供FTP的地址、账号、密码等信息，需要保存备用，例如：

在Filezilla输入刚才获得的地址、账号、密码就可以登录ftp，登录后界面如下：

登陆后在界面的右栏创建一个自己的目录（如下图路径目录/20180124_cici)，打开对应的目录，拖动界面左栏准备好的所有文件，直接移动到右栏中（如下图），就开始进行数据的上传了。保证网络正常就可以完成相应的上传工作（如果数据量较大，保证网络正常之外，计算机要保证不能出现休眠等停止工作的情况）。

第五步 给GEO管理员发邮件

最后一步就是给GEO数据库的管理者发邮件。网站明确要求了邮件的内容：

第一项是介绍清楚自己的GEO登录账号名称。

第二项是上传数据的路径和所有文件的名称。路径是Filezilla上传的路径，如上图注明的路径（创建的目录加上上传的文件夹名称）。

该路径下的所有文件必须一一列举，并注明类型。（所有文件和Metadata spreadshee统计的数据文件一致，包括Processed data files 和Raw data files）。

第三项是说明数据释放日期，如有延后需要注明，但最多不超过三年。

Over

完成以上工作，坐等管理员的答复邮件就可以了。如果数据存在问题，工作人员会提示如何修改，完成处理之后会在邮件中给出GEO的Accession Number。到此，恭喜你完成了所有的上传工作，利用这个登录号就可以查询到上传的数据内容，也可以在文章中引用这个ID进行数据的解释。

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课，学习链接：linux系统使用、perl入门到精通、perl语言高级、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章，学习链接：TCGA-差异基因分析、GEO芯片数据挖掘、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他课程链接：二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读。