您好,欢迎来到科研在线!科研采购 · 选型 · 实验方法
首页产品库品牌馆产品类别品牌新闻会议会展产品试用求职招聘资讯专题教程
科研服务 · 入门

公共数据集复用:从 GEO 检索到差异表达复现

用一份公开转录组数据走完「检索 → 下载 → 质控 → 差异分析 → 结果对照原文」的全流程,说明哪些坑会让复现失败。

约 2 小时 6 个步骤 3 项材料 更新 2026-10-08 GEO转录组数据复用

MAT材料与设备

01
GEO / SRA 账号与下载工具prefetch + fasterq-dump 或 GEO2R
02
参考基因组与注释与原始研究一致的版本
03
分析环境R/Bioconductor 或 nf-core/rnaseq

STEP操作步骤

  1. 01

    用系列号定位研究,而不是关键词

    先读原文的方法部分,记录平台型号、建库策略与样本数。GEO 页面的「Overall design」常与原文不一致。

  2. 02

    核对样本元数据

    下载 series matrix 或 SRA metadata,检查分组、批次与临床变量是否完整。缺关键协变量的数据集不适合做差异分析。

  3. 03

    按原始流程重跑,而非直接套默认参数

    确认是否链特异性、是否去 rRNA、比对工具与注释版本。必要时用 nf-core/rnaseq 固定流程版本以便复现。

  4. 04

    做质控与批次评估

    看比对率、rRNA 比例、样本间相关性热图与 PCA。批次效应明显时用 ComBat 或把批次纳入模型。

  5. 05

    差异分析与阈值一致化

    沿用原文的检验方法与阈值(如 |log2FC| > 1,FDR < 0.05),否则命中列表无法对照。

  6. 06

    与原文结果比对并记录差异

    取交集基因计算重叠率;若重叠率低,优先怀疑注释版本、分组定义或批次处理差异。

PITFALL常见失败模式

  • 直接用 GEO2R 出结果就下结论:GEO2R 不做批次校正,也不检查样本质量。
  • 混用不同平台的样本:跨平台合并需要额外的标准化步骤,否则差异来自技术。
  • 忽略样本量:n=2 的公共数据只能用于假设生成,不能支撑强结论。
引用本教程 撰文:陈昱 · 审核:林雯 · 审核日期:2026-10-08 · 版本:v1.1
科研在线(TeleVM). 公共数据集复用:从 GEO 检索到差异表达复现[EB/OL]. 实验教程, 2026-10-08. https://www.suprotek.cn/tutorials/geo-dataset-reuse.html.
陈昱. (2026, October 8). 公共数据集复用:从 GEO 检索到差异表达复现. 实验教程 (v1.1). https://www.suprotek.cn/tutorials/geo-dataset-reuse.html
@misc{biocsp_tutorials_geo_dataset_reuse,
  title        = {公共数据集复用:从 GEO 检索到差异表达复现},
  author       = {{陈昱}},
  year         = {2026},
  howpublished = {实验教程},
  note         = {更新于 2026-10-08,v1.1,实验教程},
  url          = {https://www.suprotek.cn/tutorials/geo-dataset-reuse.html}
}

GB/T 7714 用于中文论文与报告;APA 7 用于英文期刊;BibTeX 可直接导入 Zotero、EndNote 或 LaTeX。

许可:CC BY-NC 4.0 · 转载注明来源