跳到主要内容

公共数据库与数据检索

组学分析的第二个问题是：从哪里找到可信的数据，并确认它是否适合自己的问题？

本章介绍常用公共数据库 GEO、SRA、CELLxGENE、Human Cell Atlas 和 Expression Atlas 分别适合什么数据，以及如何根据 accession 编号追踪数据来源。

AI 工具如何辅助数据检索，详见 AI 辅助编程与智能体工具。

学习目标​

完成本章后，你应该能够：

  • 知道不同数据库分别适合解决什么问题
  • 看懂常见 accession 编号的层级
  • 用合适的关键词检索公共数据
  • 判断一个数据集是否适合自己的研究问题

公共数据库怎么选​

不同数据库解决不同问题。先判断你需要的是原始测序数据、处理后的表达矩阵，还是可交互浏览的注释数据。

需求优先看哪里
找论文配套表达矩阵GEO
下载原始 FASTQSRA / ENA
浏览单细胞注释数据CELLxGENE
找人类细胞图谱项目数据HCA Data Portal
查基因在组织/细胞中的表达Expression Atlas

常见 accession 编号​

公开数据通常通过 accession 编号追踪。

编号常见含义示例
GSEGEO Series，一个研究或数据集GSE12345
GSMGEO Sample，一个样本GSM123456
SRPSRA StudySRP123456
SRSSRA SampleSRS123456
SRXSRA ExperimentSRX123456
SRRSRA Run，常用于下载 readsSRR1234567

分析前要确认编号层级。很多新手拿到 GSE 后直接找 FASTQ，会发现真正下载 reads 需要进一步找到对应的 SRR。

主要数据库​

GEO​

GEO 是 NCBI 维护的功能基因组学数据库，常见于论文数据提交。它可以包含表达矩阵、样本信息、平台信息和补充文件。

网址：https://www.ncbi.nlm.nih.gov/geo/

适合：

  • 查找论文配套数据
  • 下载处理后的表达矩阵
  • 查看样本分组和元数据
  • 追踪到 SRA 原始数据

检索建议：

关键词 + 物种 + 技术 + 组织/疾病

例如：

single cell RNA-seq human liver fibrosis

SRA​

SRA 是 NCBI 的原始测序数据归档库。需要 FASTQ 时通常会用到它。

网址：https://www.ncbi.nlm.nih.gov/sra/

下载常用 SRA Toolkit：

conda install -c bioconda sra-tools

prefetch SRR1234567
fasterq-dump SRR1234567 --split-files -O data/raw/

注意：

  • FASTQ 文件可能很大
  • 下载前确认磁盘空间
  • 批量下载前先测试一个 run
  • 记录 SRR 列表和下载日期

CELLxGENE​

CELLxGENE Discover 提供许多可浏览的单细胞数据集，通常可以在线查看 UMAP、细胞类型和基因表达。

网址：https://cellxgene.cziscience.com/

适合：

  • 快速浏览单细胞数据
  • 查看细胞类型注释
  • 寻找可下载的 h5ad 数据
  • 比较公开数据中的基因表达模式

使用建议：

  • 先在线检查数据是否符合研究问题
  • 下载前确认样本、组织、物种和处理流程
  • 注意数据是否已经标准化或整合

Human Cell Atlas​

Human Cell Atlas 关注人类细胞参考图谱。HCA Data Portal 提供社区生成的多组学开放数据。

网址：https://data.humancellatlas.org/

适合：

  • 查找人类组织和器官图谱
  • 获取大型参考数据
  • 了解细胞类型注释和 atlas 项目
  • 作为数据整合和注释参考

Expression Atlas / Single Cell Expression Atlas​

EMBL-EBI 的 Expression Atlas 和 Single Cell Expression Atlas 提供基因表达查询和单细胞表达浏览。

网址：https://www.ebi.ac.uk/gxa/

适合：

  • 查询某个基因在不同组织或细胞中的表达
  • 浏览经过整理的表达数据
  • 做初步假设生成
  • 辅助解释 marker gene

下一步​

继续学习：

参考资源​

静态文件

离线资料下载

手册 HTML / PDF 已在后台预生成，点击后直接下载网站静态资源。

本篇 HTML本篇 PDF手册 HTML手册 PDF说明