GEO2R是NCBI GEO团队针对上传到GEO的芯片数据开发的一款在线差异分析、可视化作图工具，是广大数据分析人员的福音。然而，一直以来GEO2R仅针对芯片数据，对于越来越多的测序数据，只能下载所上传的matrix矩阵，进行分析，若没有上传表达矩阵，或者基因组版本不合适的话，往往还得下载原始数据重新分析，耗时耗力。
最近，NCBI GEO团队推出了一项“王炸”更新：GEO2R可以直接分析RNA-seq测序数据了。
小伙伴们：喜大泪奔（喜闻乐见、大快人心、普天同庆、奔走相告）！
同事和我：工作要丢了么？时代抛弃我，连声招呼都不打啊！
1，NCBI GEO为什么要给我们准备RNA-seq count数据？
A major barrier to fully exploiting and reanalyzing the massive volumes of public RNA-seq data archived by SRA is the cost and effort required to consistently process raw RNA-seq reads into concise formats that summarize the expression results. To help address this need, the NCBI SRA and GEO teams have built a pipeline that precomputes RNA-seq gene expression counts and delivers them as count matrices that may be incorporated into commonly used differential expression analysis and visualization software.
大白话就是：SRA服务器上存了大量数据，一般人要分析，得下载，得比对，费时费力，反正数据在他们NCBI服务器上，服务器闲着也是闲着，直接套个pipeline把RNA-seq基因表达count处理好，放出来供大家使用。不知道又要革了多少人的命。
2，支持的物种
目前仅人类。小鼠的在路上，预计2023年秋。
3，数据类型：
raw count：可以下载用DESeq2，edgeR或者limma voom进行后续的差异分析。
Normalized counts：根据测序深度和测序长度标准化的count，包括：FPKM （Fragments Per Kilobase Million，双端）、RPKM（Reads Per Kilobase Million，单端）和TPM（Transcripts Per Kilobase Million）
注释：基因id，gene symbol，descrption，gene ontology等。
4，分析流程
使用hisat2将物种为human，类型为transcriptomic的数据比对到GCA_000001405.15 参考基因组上。比对率大于50%的用featureCounts输出raw count文件。注释数据库用的Annotation Release 109.20190905.
5，如何下载？
https://www.ncbi.nlm.nih.gov/geo/download/?acc=GSE164073
直接换成自己的GSE号就行了
6，局限
GEO上的数据太杂了，GEO team没有对数据质量等深入检查（合不合适他们不管，先跑了再说），所以有以下局限性：
1）counts表达矩阵可能跟已发表文章的不一致
这个很容易理解，不同软件，甚至不同版本算出来的都不一样。
2）超过50%比对率的transcriptomic数据用于分析，所以质检可能很松，并且缺样品
上传的数据类型多样，可能不能直接比较，例如RNA-seq和RIP-seq都在矩阵里，但是不好直接比较。
3）Normalized矩阵文件并非充分标准化的。
对生信数据分析行业带来的冲击：
1）GEO的RNA-seq分析几乎要变得免费，无门槛了
2）有了表达矩阵，直接省了下载、比对的时间，极大提高了工作效率
3）有了统一标准？
4）大规模利用GEO数据的时代又来了
5）伦理问题
欢迎留言讨论！
原文：https://www.ncbi.nlm.nih.gov/geo/info/rnaseqcounts.html
微生信助力高分文章，用户100000+，引用1500+
转载本文请联系原作者获取授权，同时请注明本文来自陈明杰科学网博客。
链接地址：https://wap.sciencenet.cn/blog-707141-1395441.html?mobile=1
收藏
