不看后悔！GEO数据库10X单细胞测序原始测序测序数据（fastq）下载指南来啦

每年的1-3月份是很多老师撰写国自然本子的主要时期，但是每年这个时期都会有老师因为各种各样的原因，导致实验计划延迟而拿不到需要的实验数据，因此需要借助数据库已有的数据做数据分析为基金申请做理论支撑。另外由于很多突发的因素产生，科研人员往往无法及时开展实验工作，因此更需要借助数据库数据，这在今年的新冠肺炎疫情中体现特别明显，在疫情发生的早期，就陆续发表了多篇研究论文，分析讨论新冠肺炎病毒靶向蛋白血管紧张素转化酶2（ACE2）在人体不同组织不同细胞中的表达分布情况，为2019-nCoV在消化系统、呼吸道、生殖系统等的潜在感染途径提供了生物信息学证据，为新冠病毒肺炎的预防和治疗提供参考数据和部分理论依据（多篇单细胞测序文章助力新型冠状病毒感染、传播机制研究）。

近期小编收到很多老师的数据分析需求，基本都是围绕国自然申请和单细胞数据再分析，在和老师沟通过程中，发现有些老师对于数据再分析所需要的原始测序数据下载不甚了解，因此撰写此SOP用于指导数据下载。

GEO简介

GEO（Gene Expression Omnibus）是一个公共存储库，可以存档和自由分发由科学界提交的全套微阵列，新一代测序和其他形式的高通量功能基因组数据，提供了工具来帮助用户查询和下载实验和管理基因表达谱。

GEO数据库具体存放四类数据：GDS、GSE、GSM、和GPL。

GDS号（GDSxxx）对应的一个同一平台的数据集，包括微阵列和高通量测序产生的数据；

GSE号（GSExxx）对应的是整个研究项目的系列的数据，可能涉及不同平台；

GSM号（GSMxxx）是具体某个单一样品的数据信息，只能是单一平台的数据；

GPL号（GPLxxx）对应平台的信息，例如Illumina测序平台型号、芯片型号等。

一般高通量测序文章发表时会将原始数据上传至GEO数据库并在文章中提供GSE 号，如果想对某些文章的数据进行在分析，可以在GEO数据库搜索文章中的GSE号。

GEO数据下载

一、进入GEO数据库

1.进入NCBI主页（https://www.ncbi.nlm.nih.gov/）

2. 点击Submit进入数据提交页面，下拉至Other Tools

3. 选择GEO，点击Learn more,进入数据提交页面。

4.进入GEO数据提交页面后，点击“GEO”进入GEO主页（https://www.ncbi.nlm.nih.gov/geo/）

GEO数据下载

1.输入数据集或者样本ID

2.进入GSE页面

需要确认此数据是否采用10X Genomics平台（summary可能包含单细胞测序平台信息，若不包含，需搜索并查阅数据来源文章）

3.拉至页面最下方，选择需要下载的样本并点击

4.进入样本GSM页面

5.下拉并点击SRA数据ID

6.进入SRA页面，下拉至最下方点击数据链接

7.进入SRA数据库，点击Data access

8.进入数据下载页面，下载fastq格式原始测序数据

9.BAM数据下载

有时候10x fastq不会被上传到数据库，相反客户会上传bam文件（除了FASTQ文件以外，SRA鼓励提交10x BAM文件），bam是Cell Ranger生成的输出文件之一。如果只有bam文件而无FASTQ文件存在，可以在SRA的“Data access”选项卡中找到bams并下载，下载的bam文件使用10x官方提供的转换工具 bamtofastq（https://support.10xgenomics.com/docs/bamtofastq）将其转换为fastq格式文件。