RNA-seq 数据提交 GEO：样本表和表达矩阵怎么对上？

RNA-seq 研究向 GEO 提交数据时，最容易被忽略的不是“有没有上传表达矩阵”，而是矩阵的每一列能否对应到一个具体样本，以及那个样本的原始读段。GEO 的高通量测序提交说明把研究与样本元数据、处理后数据和原始数据都列为提交组成部分；处理后数据应能支持稿件结论。投稿前把三者的标识连起来，读者才能从论文的一张差异表达图追到所用的样本。

先做一个不随文件名变化的样本标识

假设研究有四份样本：对照组 C01、C02，处理组 T01、T02。实验记录、GEO 元数据表、表达矩阵列名和稿件中的样本说明应使用同一套标识。文件可以叫 runA_R1.fastq.gz，但元数据必须清楚它属于哪份样本；不能靠上传顺序猜。若一个样本做了两次测序，也要说明两次读段怎样合并或分别处理，避免把“测序运行次数”误当“生物样本数”。这四份样本和文件名是自拟例子。

GEO 说明允许处理后数据以矩阵或逐样本文件提供。矩阵的列标题应与元数据里的样本标题或文库名称对应；行则要有可追溯的特征标识，例如基因编号，并在元数据中说明所用基因组版本。若正文分析了四份样本，矩阵却只有三列，先查是遗漏、过滤，还是一列使用了旧名称；找到原因后，同步修正稿件的分析样本数和提交表。不要把仅含显著差异基因的短名单当成完整的处理后表达数据；GEO 要求提供支持研究结论的完整特征和样本数据。

原始文件与处理后矩阵各回答一个问题

原始 FASTQ 让人有机会重新处理读段，表达矩阵让人看到作者实际用于分析的数值。两者不能互相冒充。按 GEO 的当前高通量测序说明，原始文件会由 GEO 转入 SRA；提交时需要在元数据表中列明对应文件。若原始数据已经在 SRA，GEO 提供使用已有 SRA 登录号的元数据模板，此时不应把相同原始文件再传一遍。正文的数据可用性声明应描述实际保存位置和可访问状态，不能写“全部在 GEO”而只有一张结果截图。

处理后数据也要讲清生成方式。原始计数、标准化后的表达量或其他指标，名称相似却不能直接替换；在方法中说明比对、定量和标准化所用的流程，并在文件说明中标明矩阵数值的含义。若列名是技术文库而正文按受试者报告，还需交代从文库到研究对象的映射。含有人类样本时，公开元数据要匿名化，不把可识别个人信息藏进样本标题或文件名。

上传前用一行一列核对

从稿件里挑一张核心图，写下实际进入分析的样本集合；再在元数据表找每个标识的实验条件和原始文件；最后在矩阵中确认相应列存在、没有混入未分析的试运行文件。再反向抽查一列矩阵：它的样本、处理组、原始文件和稿件方法是否都能找到。若过滤了不合格样本，应说明过滤位置及原因，不能从提交材料中悄悄消失。GEO 会为完成的提交分配研究登录号，但登录号只能定位记录，无法替代样本、文件与矩阵之间的映射。