投GEO时，FASTQ文件能打成一个ZIP包上传吗？

投GEO时，FASTQ文件能打成一个ZIP包上传吗？

“把所有 FASTQ 压成一个 ZIP，上传会不会快些？”准备 GEO 高通量测序提交时，这样做会先卡在文件组织要求上。NCBI 说明原始数据文件不能打成 ZIP、RAR 或 TAR 包，应逐个上传。问题不只是压缩能否省空间，元数据表还得与每个真实文件逐一对应。

先看文件属于哪个数据集

NCBI 要求每个数据集有独立的子文件夹，不能把两次提交的文件混放。子文件夹名称只能使用 ASCII 字母、数字、句点、下划线或连字符，且须以字母或数字开头。给文件夹取“实验一最终版”这样的中文名，或以符号开头，提交前就该调整。文件夹名可以简短，例如指明 RNAseq 或 ChIPseq，但内部应有团队自己的样本到文库映射表，不靠目录名承载全部信息。

核对文件清单而不是只数压缩包

把每条原始读段文件名、所属样本、文库、读段方向和文件大小列成清单。双端测序的两个文件应分别出现，且样本后缀能互相辨认。GEO 说明要求所有文件名唯一，上传子文件夹里的所有文件都列在元数据表中。一个名叫“all_fastq.zip”的条目无法代替几十个文件的逐项映射，也会让漏文件和错样本更难发现。若研究同时有处理后矩阵或峰文件，也应加入清单，标明属于哪类数据，不要把临时脚本或工作日志一起上传。

MD5需要怎样处理

GEO 元数据模板提供 MD5 Checksums 工作表，但官方说明将填写原始或处理文件的校验值列为可选，主要用于文件损坏时排查。可选不等于可以忽视文件完整性：传输前后核对本地清单、文件大小和上传结果仍有必要。若团队已有校验值，按模板准确填写；不要为了凑齐一栏而复制别的文件的数值。若上传中断或文件重新生成，重新核对名称与校验值，避免元数据仍指向旧版本。

投稿前做一次目录演练

在实际上传前，让负责提交的人仅凭元数据表找到每个原始文件和处理文件；再让未参与整理的人随机抽取两三个样本，从稿件编号走到文件夹、文件名和处理数据。两人理解的样本若不同，先修订命名和映射表。不要等拿到 GEO 登录号后才发现某个文件被 ZIP 包遮住、两个样本使用同名文件，或正式数据与临时结果混在同一目录。

最终稿件的数据可得性段只需准确说明记录位置和可访问状态，不必罗列全部文件名；详尽映射留在元数据和内部检查表中。上传结构清晰，编辑和读者才更容易从登录号追到支持论文图表的实际文件。

参考信息：NCBI GEO《Submitting high-throughput sequence data to GEO》。