Upload high-throughput data to GEO

在我们发表高通量测序文章之前通常要上传测序数据到GEO数据库，现总结流程 如下。

注册账户、填写MetaSheet

• 在NCBI GEO官网注册一 个账号，然后登陆。

• 点击Submission Guidelines . 从中查找GEOarchive spreadsheet format，并下载Metadata spreadsheet, 通常是 Download metadata spreadsheet (template and examples) UPDATED! ，官方推荐下载最新版，这儿就提供链接了。

• 下载完之后填写表格。表格中有2个样例表，可以参考着填写。

  • 表格里面需要的MD5值在Linux下可以使用命令md5sum filename来获取； Windows下可以在网上搜索一个MD5值计算工具，比如http://www.winmd5.com/。

• 数据上传，原始测序的fastq一般采用gzip压缩后上传。

  • 在Linux系统，使用的是lftp上传； Windows可以使用FileZilla.

Linux下lftp上传

为了方便lftp上传，我写了一个bash脚本, 命名为GEO_upload.sh，只需提供FTP服务器的地址、用户名、密码、上传文件所在目录和上传到FTP服务器的目录即可。

GEO_upload.sh -f ftp-private.ncbi.nlm.nih.gov -u geo -p password -t fasp/detination_dir/ -s localdir/

为了简单方便，localdir里面只包含需要上传的文件，包括原始测序文件， 处理后文件和Metadata spreadsheet。

#!/bin/bash

#set -x
set -e
set -u

usage()
{
cat <<EOF >&2
${txtcyn}
Usage:

$0 options${txtrst}

${bldblu}Function${txtrst}:

This script is used to upload files to an FTP server using lftp.

${txtbld}OPTIONS${txtrst}:
	-f	FTP address ${bldred}[NECESSARY]${txtrst}
	-u	User name ${bldred}[NECESSARY]${txtrst}
	-p	Password ${bldred}[NECESSARY]${txtrst}
	-t	Target dir ${bldred}[NECESSARY]${txtrst}
	-s	Source dir ${bldred}[NECESSARY]${txtrst}	
EOF
}

ftp=
user=
passwd=
target=
source_dir=

while getopts "hf:u:p:t:s:" OPTION
do
	case $OPTION in
		h)
			usage
			exit 1
			;;
		f)
			ftp=$OPTARG
			;;
		u)
			user=$OPTARG
			;;
		p)
			passwd=$OPTARG
			;;
		t)
			target=$OPTARG
			;;
		s)
			source_dir=$OPTARG
			;;
		?)
			usage
			exit 1
			;;
	esac
done

if [ -z $ftp ]; then
	usage
	exit 1
fi

cat <<END >lftp.script
open -u ${user},${passwd} ${ftp}
mkdir -p ${target}
cd ${target}
cache size 33554432
set cmd:parallel 10
mput -c ${source_dir}/*
END

lftp -f lftp.script

Filezilla上传

• 如图所示，填写好登录所需的信息，然后双击进入fasp目录。

• 在右侧窗口，点击右键，选择创建目录并进入。

• 将左侧窗口要上传的文件拖动到右侧窗口，开始上传。

• 在菜单栏的传输–对已存在文件的默认操作–选择上传-继续文件传输即可实现断点续传。

• 设置重连次数: 编辑-设置-最大重试次数 99; 登陆重试延时 200; 超时秒数 20

上传完成后，需要给GEO的管理人员写一封邮件，大体内容如下：

Receiver: geo@ncbi.nlm.nih.gov

Subject: ftp upload

Context:

Dear Sir/Madam, 

Thanks for you kindly host such great public data resource.

I have successfully transferred my data to NCBI-GEO ftp sever. 

Here is the information you may be needed for further processing

1. GEO account username: 我的GEO用户名
2. Names of the directory and files deposited: 文件上传的路径, 对应上
面的fasp/detination_dir/
3. Public release date: 2018-12-31 文件释放时间，一般可以设置的比较远

If there is any format or content problem,  please do not hesitate to
contact me.

Best, 

Name

获取GEO号

待GEO的工作人员审核处理后，你可以在GEO的账户下查看已上次的数据的GEO 号和供Reviewer访问的私人链接用于文章审阅。

Linux下智能上传

另外还可以借助airflow，使得上传更加自动化，具体程序见 GEO_upload.py：