宏基因组测序数据能直接提交GEO吗？

宏基因组测序数据能直接提交GEO吗？

准备宏基因组论文时，最容易沿用的句子之一是“测序数据已上传 GEO”。这句话得先停下来核对。NCBI 的 GEO 高通量测序提交说明，把宏基因组测序列在“不接收”的类型中，指向直接提交 SRA。选库要看研究数据类型，不能只看文件扩展名是不是 FASTQ。

先辨认问题属于哪一类

GEO 接收的高通量测序，主要是研究基因表达、调控与表观遗传等功能基因组问题，例如 RNA-seq、ChIP-seq、ATAC-seq 和甲基化测序。GEO 会处理研究与样本元数据、处理后数据，也会代为将原始测序文件送入 SRA。宏基因组测序调查的是样本中群落的遗传内容，NCBI 在同一份说明中明确把它列为应直接交给 SRA 的类型。两者都可能有原始读段，但研究对象和接收路径不同。

有人会问：若文章同时做宿主转录组和微生物宏基因组，能否把全部文件塞进一个 GEO 数据集？不宜这样处理。先按数据类型列清单：宿主 RNA-seq 是否属于 GEO 接收范围；微生物宏基因组原始读段则按 SRA 路径准备。NCBI 对混合的 GEO 可接收类型也要求分别整理，而非把每类样本混成一套元数据。稿件里的数据可得性声明，应分别写明相应数据库和最终获得的稳定登录号。

投稿前要完成的不是“写一个库名”

给每种数据做一张对应表：稿件中的样本代号、采样批次、测序文件、数据库样本记录和论文图表用到的分析对象，逐行对齐。表里也写明数据负责人，便于发现编号不一致时追问原始记录。尤其是同一生物样本既有宿主数据又有微生物数据时，要分清“同一来源”与“同一个数据库记录”。不要凭文件名相似就推定关联正确；提交后打开公开或供编辑查看的记录，核对样本描述和文件是否落在预定位置。

若研究涉及人类样本，还要先判断数据是否需要受控访问。GEO 的说明把需要受控访问的人类数据排除在常规 GEO 提交外，指向 dbGaP 及受控访问 SRA。宏基因组样本也可能含有人源序列；是否可公开，须依据知情同意、机构要求及数据库规定判断，不能因为主要分析对象是微生物就忽略这一步。拿不准接收类型时，先向相应数据库咨询，再在稿件里承诺一个具体存放地址。

撰写方法与数据声明时，可用“三次回查”：数据类型是否选对库；每个样本和文件是否能追溯到论文分析；记录的公开时间和访问方式是否满足目标期刊要求。最后再填登录号。这样做能避免投稿后才发现数据库不接收该类型，或者稿件写了 GEO、实际数据却存入 SRA 的前后不一致。

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