昨天半夜两点，

我盯着电脑屏幕，

心里那个凉啊。

做出来的图明明很完美，

P值小于0.05，

差异基因也挑出来了。

可投稿却被拒了，

理由很扎心：

"GEO数据与文章描述不符。”

其实这种坑，

90%的新手都踩过。

别急着骂期刊，

先看看是不是自己犯了这几个低级错误。

很多兄弟以为下载个count matrix就行，

大错特错。

GEO数据集和发表文章不符合，

往往因为忽略了临床信息。

我朋友大伟就是个典型例子。

他把GSE12345这个号下的数据全下回来，

直接跑差异分析。

结果审稿人问：

“病人是早期还是晚期？

生存期多少？”

他一脸懵逼，

因为GEO里那个supplementary file里藏着这些信息。

没对齐临床数据，

文章逻辑就是散的。

这也是GEO数据集和发表文章不符合的高发区。

第一步，

别急着跑代码。

先去GEO官网，

把Matrix文件，

还有platform information，

全下载下来。

仔细看Series Matrix文件里的表格，

前面几行是注解。

看看样本ID和临床表型怎么对应的。

很多数据集，

样本编号是乱序的。

你如果不把样本名和“癌旁”、“癌组织”手动对应好，

分析结果绝对是反的。

我见过最惨的是，

有人把对照组当成了实验组，

虽然P值显著，

但生物学意义全反了。

这种低级错误，

让审稿人看了直摇头。

这也是GEO数据集和发表文章不符合的主要原因之一。

第二步，

检查探针注释。

特别是老的芯片数据，

比如GPL570平台。

如果直接用原始探针ID去GO富集，

你会死得很惨。

因为很多探针对应不到唯一的基因。

建议去Bioconductor里下载最新的annotation包。

把探针ID转成Symbol。

转的时候注意，

如果有多个探针对应一个基因，

要取平均值或者最大的方差。

别偷懒直接删掉，

那样样本量就少了。

这时候如果GEO数据集和发表文章不符合，

可能就是注释版本太旧导致的。

第三步，

批次效应处理。

这是老手和新手的分水岭。

如果你的数据来自不同时间，

或者不同批次测序，

不做ComBat或者SVA校正，

画图肯定是一片混沌。

我上次发文章，

就是因为没做批次校正，

PCA图里样本按批次聚成了两团。

审稿人一眼就看出问题了。

虽然最后补做了分析，

但过程很痛苦，

差点耽误毕业。

记住，

看PCA图的时候，

不仅要看出分组，

还要看出批次。

如果样本混在一起，

说明批次效应没消除。

这时候GEO数据集和发表文章不符合，

就是必然结果。

第四步，

外部验证千万别省。

只拿一个GEO数据集玩，

很多期刊根本不收。

最好去TCGA里找个同癌种的队列，

拿你的基因签名去验证。

如果方向一致，

可信度直接翻倍。

就算没有TCGA，

去另一个独立的GEO队列里验证也行。

这能证明你的发现不是偶然。

这一步做不好，

GEO数据集和发表文章不符合的风险极高。

最后说点掏心窝子的话。

做生信分析，

耐心比技术重要。

别急着跑代码，

先花两小时把数据背景摸透。

下载下来的数据，

先画几个箱线图看看分布。

如果有明显的离群值，

先处理掉。

别等到写论文了，

才发现数据有问题。

那时候改起来，

真的想砸键盘。

希望这几条经验，

能帮兄弟们少踩坑。

如果觉得有用，

记得点个赞支持一下。

本文关键词：GEO数据集和发表文章不符合