【实用贴】手把手教您上传GEO数据库
高通量组学相关实验完成后，需要将数据上传到GEO。但是GEO数据上传过程中，需要提交各种类型的数据、表格和资料，过程比较繁琐，今天的实用贴，手把手教您上传GEO数据库。
背景知识：GEO数据库
GEO数据库全称GENE EXPRESSION OMNIBUS，成立于2000年，是由美国国立生物技术信息中心NCBI创建并维护的基因表达数据库，主要收录高通量基因表达数据。除SRA数据库之外，GEO数据库也是目前文章投递数据上传的数据库之一。
接受数据类型：原始数据或者经过处理的数据（符合“有关芯片试验的最小信息（minimum information about a microarray experiment，MIAME）”标准）
存储数据格式：web格式、spreadsheets格式、XML格式和纯文本格式
一、注册帐号
首先需要注册一个NCBI（https://www.ncbi.nlm.nih.gov/geo/submitter/），GEO账号，如果已经有账号，可以直接点击登录。https://www.ncbi.nlm.nih.gov/geo/info/submission.html
二、文件准备
需要准备如下几个文件：1. metadata spreadsheet，2. processed data files，3. raw data files。
1. metadata spreadsheet：Excel表格形式，该文件是填写关于整个研究中样本和实验的相关信息。
具体的栏目的填写参考：
SERIES这一块是一些跟您的实验相关的信息介绍，summary这一栏可以采用分段的模式来写，也可以采用一段式的模式来写，类似于科研论文中的摘要。
SAMPLES这一块是具体的实验分组信息，以及每一个组别里面的样品名称的填写。
PROTOCOLS这一块主要是样品的处理方式以及测序建库的方式，一般服务商的结果报告中都会提供，也可通过与合作服务商伙伴的沟通来获得该部分的信息。
DATA PROCESSING PIPELINE主要是原始数据的处理步骤，以及基因组信息的填写，其中要注意的问题是process data files的输出通常为tab-delimited text files，也就是需要存储为制表符分隔的txt文件。
2.processed data files：一个至多个文件，是根据你的原始文件进行分析所提取得到的一些数据；该部分经过处理的数据是GEO提交的必要部分，GEO会审核客户上传的处理过的数据，以此来检验相关文章结论的真实可靠性。比如RNA-seq可以上传基因表达量文件，ChIP-seq可以上传WIG, bigWig, bedGraph等，不过由于是中间文件，该部分内容没有完全固定的格式。
3. raw data files：一个至多个文件，这是你测序或芯片获得的原始文件。测序的原始数据一般采用FASTQ格式，另外SRA数据库接受的其他格式也是可以的（https://www.ncbi.nlm.nih.gov/sra/docs/submitformats/）。
三、数据上传
推荐GEO官网推荐的软件FileZilla。（下载传送：https://filezilla-project.org）。打开FileZilla，主机(H) 框填写上图中host对应的内容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），端口号可不填，全部填好后，点击快速连接按钮。
TIPs：在根目录下建立一个文件夹，文件夹的名称和你的NCBI账户名称相同即可，双击进入该文件夹，建立如下三个子文件夹：1. metadata spreadsheet，2. processed data files，3. raw data files。然后将对应的文件上传至该文件夹即可。注意，由于raw data files很大，上传时需要耐心等待。
四. 通知GEO数据上传完成
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Notify GEO进去之后就是这样的界面，需要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。
上传成功或者数据有问题GEO都会以邮件的形式进行通知。一般约2,3个工作日，经审核数据没有问题，GEO会以邮件形式通知数据的GSM（实验样本编号）、GSE（研究项目编号）。
你也可以给GEO（geo@ncbi.nlm.nih.gov）发送邮件，邮件内容可以参考下方：
邮件主题：Submitting high-throughput sequence data to GEO
邮件正文：
Dear sir,
We had finished the raw data uploading .
Please check according to the following information :
GEO account username: GEO帐号
Names of the directory and files deposited: ABC（存放数据的路径）
Public release date :数据释放日期
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第二天就会回复邮件，5个工作日以内会告知具体的GEO号。
五、其它备注
提交了该数据之后，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，这个时候你会发现自己在根目录下建立的文件夹空了，不要惊慌，那是因为你的文件被工作人员转移到了另外一个工作目录，在这个空的文件夹中再次上传正确的文件就行了。
等你的文件全部上传完成后，5个工作日内就会收到GEO给你发来的邮件，这时会给你一个GEO号，类似于GSEXXX。等你收到这封邮件后意味着你的数据正式上传成功了，写文章的时候把这个号附上就大功告成。
