RNA-seq投GEO，只上传差异基因名单够吗？

RNA-seq投GEO，只上传差异基因名单够吗？

分析结束后，团队手边最整齐的文件往往是差异表达基因表，于是有人提出：“GEO 再传这一份就行。”问题是，这张表只保留筛选后的结果。NCBI 的 GEO 高通量测序提交说明要求，处理后数据覆盖全部特征与全部样本，不能只交差异基因等选出的结果。投稿前要核对的是完整数据能否供别人重新查看，而不只是论文结论能否在表中找到。

名单和矩阵承担不同任务

差异基因名单通常包含通过特定统计阈值的部分基因，以及效应量、显著性等比较结果。它适合解释“哪些基因在这次比较中被选中”，却不能让读者检查未入选基因、单一样本的表达、不同分组的分布。GEO 的处理数据可以是矩阵，也可以是各样本独立文件；RNA-seq 常见内容包括原始计数或归一化后的表达值。团队要写清采用了哪种数值、生成步骤与注释版本，避免一个无说明的表格被误当作可复核数据。

先从论文图倒查矩阵

将每张表达量图或聚类图对应到分析使用的样本集合，列出样本代号、测序文库名称、矩阵列名和图表分组。GEO 说明强调，矩阵列标题应与元数据表的文库名称或样本标题相符；处理文件也要各有唯一文件名。若稿件正文写的是“处理后剔除两个低质量样本”，但矩阵仍有这些列，应在方法与元数据说明其去向。相反，图里出现的样本若在矩阵中找不到，也须查明是否漏传、改名或被合并。

基因行同样需要可追溯。NCBI 建议使用可追踪的特征标识，例如公开登录号或基因组坐标，并在元数据中说明基因组组装版本。单写自定义缩写，日后可能无法对应到哪个注释。表达值如果经过批次校正或其他变换，应在方法和文件说明中写出处理顺序，不要把已变换数值标成原始计数。

两个交付物分别检查

投稿时可以保留差异基因名单作论文补充结果，但它不能替代 GEO 的完整处理数据。内部复核可让未参与分析的同事从 GEO 准备包打开矩阵，随机挑几行、几列核对样本标签、数值类型及论文图的对应关系。然后再检查原始读段文件和元数据是否齐备。GEO 的提交说明要求同时准备原始、处理后数据和研究样本元数据，不能以其中一类文件代替全部内容。

最后检查数据可得性声明：写清数据库登录号以及数据包含的层级，不要只说“差异分析结果可用”。若登录号尚未分配，可先按目标期刊的要求说明提交状态，拿到号码后再将稿件与数据库记录逐项核对。这里的重点是让别人能够从样本级数据追到论文结果，而不是从论文结果倒推一份不完整的样本数据。

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