测序原始数据上传GEO避坑指南：从质控到提交全流程解析

做生信这行，最怕的不是跑不出结果，而是结果出来了，数据上传GEO时卡在半路。我干了15年，见过太多同行因为格式不对、元数据填错，被期刊打回来重做，甚至延误毕业。今天不整虚的，直接聊聊测序原始数据上传GEO那些让人头秃的细节。

首先，别一上来就想着上传。很多人拿到FASTQ文件，觉得越大越好，直接打包扔上去。大错特错。GEO现在对原始数据的要求越来越严，尤其是RNA-seq和WGS。你得先确认你的数据是不是真的“原始”。有些公司给的其实是经过初步质控和过滤的数据，这种上传会被质疑。真正的原始数据，必须包含未处理的FASTQ文件，而且通常要求是gzip压缩后的格式。

关于上传方式，现在主流是FTP和Web Upload。FTP适合大文件，比如全基因组测序，几百G的数据，用Web界面传能把你心态搞崩。我之前帮一个博士处理过，他传了三天没传完，最后我用命令行工具，半小时搞定。但FTP有个坑，就是端口问题。很多单位防火墙会拦截主动模式，记得用被动模式（PASV），或者直接用sftp。别问我是怎么知道的，这都是血泪教训。

元数据填写是另一个重灾区。GEO的模板（MINiML）看起来简单，实则暗藏玄机。比如“Organism”字段，必须填拉丁学名，像Homo sapiens，不能填人或者human。还有“Strain”字段，如果用的是小鼠，得写清楚是C57BL/6J还是BALB/c。这些细节，审稿人虽然不一定看，但GEO管理员会查，查出来直接拒收。我见过一个案例，因为没写清楚样本的提取方法，导致数据被标记为“incomplete”，影响后续引用。

价格方面，如果你找外包公司做数据整理和上传，市场价大概在2000到5000元不等，取决于样本量和复杂度。别贪便宜找那种几百块搞定的，他们往往连基本的QC报告都不给你，上传后出问题还得你自己背锅。自己弄的话，时间成本其实更高，尤其是第一次做，光是研究MINiML模板就能让你掉层皮。

还有一个容易被忽视的点：数据一致性。上传的FASTQ文件数量必须和元数据中的样本数完全对应。少一个，多一个，都会报错。我之前帮客户检查数据，发现有一个样本的FASTQ文件命名和其他的不一致，虽然内容没问题，但GEO系统识别不出来，最后只能重新打包上传。这种低级错误，真的能让人崩溃。

最后，上传完成后，别以为就万事大吉了。一定要去GEO官网查看你的Submission状态。通常会有“Submitted”、“Processed”、“Public”几个阶段。如果卡在“Processed”不动，大概率是元数据有问题，赶紧去查邮件，GEO管理员会给你发邮件指出错误。这时候千万别慌，按提示修改，重新提交就行。一般修改一次就能过，反复修改超过三次，可能会影响数据的优先级。

总之，测序原始数据上传GEO这事儿，看着简单，实则考验耐心和专业度。别指望一蹴而就，多检查，多核对。如果你实在搞不定，或者时间紧迫，找专业人士帮忙也不是丢人的事。毕竟，数据早一天公开，早一天被引用，对你以后的文章发表都有好处。

如果你正在为上传发愁，或者不确定自己的数据格式对不对，欢迎随时聊聊。别等期刊催稿了才着急，那时候黄花菜都凉了。