做生信分析的新人，或者刚想挖GEO数据库宝藏的朋友，你是不是跟我一样，打开GEO那个界面就头大？

特别是看到标题里写着“survival”或者“clinical data”，心里立马就燃起了希望。

想着：哎，这回捡到宝了，肯定有随访数据，能直接画个Kaplan-Meier曲线，发篇SCI不香吗？

但我得实话实说，GEO里有survival的数据吗？

坦白讲，答案通常是：很少，而且很坑。

别急着失望，听我细说。

我当初刚入门的时候，也是天真得很。我在GEO里搜了一堆乳腺癌的芯片数据，标题里都有“prognosis”。

我兴冲冲地下载了表达矩阵，心想这下稳了。

结果呢？去翻Sample和Series的记录文件，好家伙，除了基因表达量，啥临床信息都没有。

只有一个 accession number，其他的临床随访数据，压根不在GEO服务器上存着。

这就叫“图有表无”。

很多时候，GEO只是一个载体。

它负责存放微阵列或者RNA-seq的原始数据矩阵，但对于患者的生存状态、总生存期（OS）、无病生存期（DFS），这些数据往往被视为“敏感隐私”或者“附属信息”，很多研究者并没有把它上传到GEO的公共平台。

所以，当你在问“GEO里有survival的数据吗”的时候，你要做好心理准备，大概率是需要你亲自去“淘金”的。

那我怎么找到那些真正有用的数据的呢？

分享几个我实打实用过的笨办法，虽然累点，但管用。

第一，看Supplementary File。

有些良心作者，会在上传数据的时候，额外打包一个Excel或者txt文件，里面包含了临床表格。

你得一点点开看，有时候文件名叫“Table S1”或者“Clinical Data”，运气好的时候，能直接下。

我上个月就遇到一个胶质瘤的数据，作者在描述里写了个“Additional File 1”，点进去一看，哇塞，随访时间、复发状态全在里面，这让我少掉多少头发啊。

第二，去原文找PDF。

如果GEO里没给临床数据，那就别在那死磕了。

直接去找那篇文章的全文PDF。

很多高分文章，为了证明自己的标志物好用，会把生存分析的原始数据放在补充材料里，或者直接画在图里。

这时候，你就需要拿那个“尺子”去量了。

我是真的会去量图，虽然不精准，但大概的趋势和HR值你能看出来。

再去找邮件联系作者，大部分学者还是很友善的，你客气点问一句“老师您好，想复现您的结果，能否提供临床数据？”

有时候还真能要到。

第三，别只盯着一家数据库。

有些机构，比如TCGA，人家就是专门做临床大数据的，生存数据那是标配，干净整齐又免费。

如果你是在做验证，优先看TCGA。

如果是在做发现，再去GEO里慢慢挖。

这里我要吐槽一点，GEO的数据格式真是乱得可以。

有些Sample annotation的字段名都不一样，有的叫“Status”，有的叫“Survival”，有的干脆用缩写。

做清洗的时候，真的让人想摔键盘。

而且，有些数据压根就没更新，还是好几年前的版本，最新的随访信息早就变了。

所以，回到最开始的问题，GEO里有survival的数据吗？

有是有一些，但质量参差不齐，需要你有一双火眼金睛。

别指望一键导出，那都是童话。

这个过程很枯燥，很繁琐，有时候找两周都找不到一个像样的数据集，真的会让人崩溃。

但我还是建议坚持一下。

因为当你终于从乱码一样的元数据里，扒拉出一张完整的生存表格，然后成功画出那条漂亮的生存曲线时，那种快感，是无可替代的。

这才是生信分析的精髓吧。

当然，我也见过不少同行，因为找不到数据就随便编，或者用不相关的队列硬凑，这种风气我真不待见。

做研究，诚信第一。

找不到就扩大搜索范围，或者换个课题方向，别为了凑数据而造假。

最后提醒一下，下载GEO数据的时候，记得看下GPL平台信息。

老芯片平台和新平台探针映射不一样，别搞混了，否则前面的功夫都白费。

希望这点血泪经验，能帮大家在“GEO里有survival的数据吗”这个困惑上，少走点弯路。

加油吧，熬过这波，你就是大神。