GEO提交数据时基因组填什么，老手教你避开审核雷区

做生信分析这几年，最让人头秃的往往不是代码跑不通，而是往GEO（Gene Expression Omnibus）上提交数据时被拒。我见过太多同行，因为一个基因组版本填错，被审稿人或者GEO管理员打回来改个三五次，那种心情懂的都懂。今天咱们不整虚的，直接聊聊GEO提交数据时基因组填什么这个核心痛点，顺便分享几个我踩过的坑。

首先得明确一个概念：GEO不是NCBI的简单镜像，它有自己的一套元数据逻辑。很多新手直接去GenBank或者RefSeq里复制一个最新的版本号填进去，觉得这样最权威。大错特错。GEO的审核员看重的是“一致性”和“可追溯性”。

我有个做转录组的学生，之前交数据被拒，原因就是他填的是GRCh38.p13，但他在CEL文件或者FastQC里用的比对参考其实是hg19。这种低级错误在后台一查一个准。所以，GEO提交数据时基因组填什么？答案很简单：填你实际用来做比对和定量时用的那个参考基因组版本。

这里有个细节大家容易忽略。比如你用的是人类数据，常见的版本有hg19（GRCh37）和hg38（GRCh38）。如果你用的是hg19，千万别手滑填成GRCh38。我在帮一家生物科技公司整理单细胞数据时，发现他们团队内部习惯混用版本，导致提交时metadata里的genome_build和实际的reference sequence对不上。最后怎么解决的？我们重新跑了比对流程，确保所有样本都基于同一个明确的版本，然后在提交表的Genome Build字段里，精确填写如“Homo sapiens (GRCh38.p13)”或者“Homo sapiens (UCSC hg19)”。注意，括号里的具体版本号一定要和你在论文里写的一致，也要和你在SRA或ENA提交时填的一致。

再说说小鼠。小鼠的基因组版本更新更频繁，mm10和mm39经常让人混淆。如果你用的是mm10，就老老实实填GRCm38，别填mm9，虽然mm9还在某些老数据库里存在，但现在主流是mm10。我在一次咨询中遇到一个案例，客户填的是Mus musculus (GRCm38)，但附件里的GTF文件是mm9的注释。结果被秒拒。后来我们重新下载了Ensembl的mm10 GTF，重新注释，才顺利通过。

还有一个容易被忽视的点：非模式生物。如果你做的是斑马鱼或者果蝇，GEO提交数据时基因组填什么？这时候不要只填物种名，一定要带上数据库来源和版本号。比如Danio rerio (Zv9) 或者 Drosophila melanogaster (BDGP6)。如果不确定，去Ensembl或者NCBI Genome里查一下你用的GTF文件对应的Assembly版本是多少，就填多少。

我总结了一个避坑指南：

1. 先确定你分析用的参考基因组版本，这是铁律。

2. 去NCBI或Ensembl查该版本对应的正式名称（如GRCh38.p13）。

3. 在GEO提交表的Genome Build字段，填写“物种名 (版本号)”。

4. 检查你的原始数据文件（如CEL或FastQ）的元数据是否与填写的一致。

别嫌麻烦，GEO审核虽然严格，但只要你逻辑自洽，一次过并不难。我见过太多人因为懒得查版本，最后反复修改，浪费的精力远超直接查对的时间。记住，GEO提交数据时基因组填什么，核心在于“真实反映你的分析基础”，而不是“追求最新”。最新的不一定适合你，适合你的才是最好的。

最后提醒一句，提交前务必下载GEO的最新模板，里面有些字段是必填的，漏填也会导致退稿。别等邮件来了才后悔，那时候黄花菜都凉了。希望这些经验能帮你少掉几根头发，顺利拿到GEO accession号。