说实话最近被geo数据库上传单细胞数据搞得心态有点崩，谁懂啊家人们。

真的，刚开始我以为就是点个按钮的事儿，结果呢？根本没那么简单。

我去年给导师的课题做数据整理的时候，第一次尝试往NCBI GEO库传scRNA-seq数据。那时候觉得挺简单的，毕竟数据都在手里了嘛，h5ad格式也整理好了，看起来规规矩矩。

结果提交上去，直接被退回。

为啥？

元数据填得跟垃圾一样。

我当时太急了，为了赶进度，很多描述性的东西都是随便写的。比如说样本的组织来源，我就写了“肝”，连具体是肝左叶还是肝右叶都没搞清楚。还有那些实验参数，像是测序平台、测序深度这些，我甚至复制粘贴了别人的模板，都没仔细核对过。

GEO那边审核是真的严。他们有个专门的人看这个，叫Curator。这人看你的元数据看得那叫一个细。他发现我的临床信息缺失得厉害，尤其是对于肿瘤样本，有没有复发史、分期是多少，这些他都问得很清楚。我当时就懵了，因为我做实验的时候压根就没记这些临床档案，全凭记忆瞎猜，肯定是不对的。

后来我花了整整两天时间，去找当年的患者档案，一个一个去核实。这才算是补全了数据。

这还没完。

数据格式也是个深坑。我本来上传的是Fastq文件，想着这样最原始，别人拿去重新比对肯定没问题。但是GEO对于单细胞数据，有时候更看重的是processed data，也就是整理好的counts矩阵。

我那个counts矩阵，行和列的头（Header）乱得一批。R脚本跑出来的时候，基因名前面有的带点，有的不带，还有重复的基因ID。

上传的时候，系统校验直接报错。提示说有duplicate columns。我当时那个气啊，明明代码看着没毛病，怎么就重复了呢？后来才发现，是因为我的比对软件版本太旧，生成的基因标注不统一。

我赶紧换了个新版本的cellranger重新跑了一遍，虽然电脑风扇转得跟直升机似的，但总算是跑出来了。新的矩阵干干净净，一个重复ID都没有。

这里有个小细节，特别容易忽略。就是GEO要求你提供一个sample summary文件。这个文件看着不起眼，但实际上是你跟Curator沟通的桥梁。里面每个字段的含义，你都得分清楚。

比如那个“platform”，你得选对GPL。单细胞数据的GPL通常是GPL15999之类的芯片探针集，或者是基于scRNA-seq的标准平台。选错了，审核肯定卡你。我一开始就选错了，后来才反应过来，赶紧修改。

还有一种情况，就是数据量太大。单细胞数据动辄几个G，GEO虽然支持大容量，但你得注意上传的速度和稳定性。我是用ncbi-ghrs上传的，中间断了好几次，每次都得重新上传，心态真的会炸裂。建议大家传大文件的时候，最好找个网速稳一点的时间段，别高峰期去凑热闹。

对了，还有个特别坑人的地方，就是metadata的文本格式。GEO对于文本里的特殊符号很敏感。我之前在描述里用了一个中文的顿号，结果系统识别不了，直接报错。改了半天，后来才发现必须用英文的半角符号。这种小错误，真的是防不胜防。

我那个课题，前前后后折腾了将近一个月，才终于把GEO accession号拿到手。从DRAFT变成PUBLIC，那一刻感觉心里的大石头终于落地了。

现在想想，要是当初我能早点明白这些规矩，也不至于受那么多罪。尤其是元数据那块，一定要诚实，一定要详细。别想着糊弄，Curator那帮人不是吃素的，他们手里有大把的数据可比对，你要是跟公开数据对不上，立马就被打回票。

还有就是，传数据之前，最好先自己检查一下。用一些开源的工具，比如checkmate或者简单的Python脚本，先把格式规范一下。别等到上传失败了再来改，那时候真的想打人。

我现在再看那些已经发布在GEO上的scRNA-seq数据，心里都有一种敬畏感。每一行数据背后，都是无数次的修改和纠结。特别是那些做得特别好的实验室，他们的metadata写得简直像教科书一样，清晰、准确、完整。看着都让人佩服。

所以啊，如果你想做geo数据库上传单细胞数据，别偷懒。老老实实地把每个步骤都做好。特别是那些容易被忽略的元数据细节，一定要上心。否则，等着你的，就是一次次的被打回，和一次次的心态崩盘。

这个过程虽然痛苦，但当你看到自己的数据被别人引用，出现在别人的论文里，那种成就感，也是无可比拟的。只不过，前提是你能把前面那些坑都顺利踩过。