跳到主要内容

模块12：FAIR 原则与数据共享

本模块介绍如何遵循 FAIR 原则（Findable, Accessible, Interoperable, Reusable）共享单细胞数据。

学习目标​

  • 理解 FAIR 原则
  • 学习数据标准化
  • 掌握数据提交流程
  • 了解数据共享最佳实践

FAIR 原则​

Findable（可发现）​

  • 使用持久标识符（DOI）
  • 丰富的元数据
  • 在数据库中注册

Accessible（可访问）​

  • 标准化的访问协议
  • 元数据即使数据不可用也应保留
  • 明确的访问条件

Interoperable（可互操作）​

  • 使用标准化格式
  • 使用受控词汇
  • 包含其他数据的引用

Reusable（可重用）​

  • 详细的使用许可
  • 准确的来源信息
  • 符合社区标准

数据标准化​

文件格式​

推荐格式：

  • H5AD: Scanpy/AnnData 格式
  • RDS: Seurat 格式
  • Loom: 通用格式
  • MEX: 10x 稀疏矩阵格式

元数据标准​

# 必需的元数据
metadata <- data.frame(
  cell_id = colnames(seurat_obj),
  cell_type = seurat_obj$cell_type,
  sample_id = seurat_obj$orig.ident,
  tissue = "PBMC",
  disease = "healthy",
  age = 30,
  sex = "male",
  technology = "10x Chromium",
  chemistry = "v3"
)

公共数据库​

Gene Expression Omnibus (GEO)​

# 准备提交文件
# 1. 原始数据（FASTQ）
# 2. 处理后的数据（表达矩阵）
# 3. 元数据表格
# 4. README 文件

提交步骤：

  1. 访问 https://www.ncbi.nlm.nih.gov/geo/
  2. 创建账号
  3. 上传数据
  4. 填写元数据
  5. 提交审核

Single Cell Portal​

# 导出为 Single Cell Portal 格式
library(Seurat)

# 导出表达矩阵
write.table(
  as.matrix(seurat_obj@assays$RNA@counts),
  file = "expression_matrix.txt",
  sep = "\t",
  quote = FALSE
)

# 导出元数据
write.table(
  seurat_obj@meta.data,
  file = "metadata.txt",
  sep = "\t",
  quote = FALSE
)

# 导出聚类坐标
write.table(
  Embeddings(seurat_obj, "umap"),
  file = "umap_coordinates.txt",
  sep = "\t",
  quote = FALSE
)

CELLxGENE​

在线浏览和共享单细胞数据：

Human Cell Atlas​

贡献数据到人类细胞图谱：

数据提交清单​

原始数据​

  • FASTQ 文件
  • 测序质量报告
  • 实验协议

处理后数据​

  • 表达矩阵
  • 细胞元数据
  • 基因注释
  • 降维坐标（UMAP/t-SNE）
  • 聚类信息

分析代码​

  • 数据处理脚本
  • 分析代码
  • 可视化代码
  • 软件版本信息

文档​

  • README 文件
  • 方法描述
  • 数据字典
  • 许可证信息

最佳实践​

1. 使用版本控制​

# 使用 Git 管理代码
git init
git add analysis_script.R
git commit -m "Initial analysis script"
git push origin main

2. 容器化环境​

# Dockerfile
FROM rocker/r-ver:4.2.0

RUN R -e "install.packages('Seurat')"
RUN R -e "install.packages('dplyr')"

COPY analysis.R /home/

3. 文档化​

# 在代码中添加详细注释
# 创建 README.md

# README.md 内容：
# - 项目描述
# - 数据来源
# - 分析流程
# - 软件要求
# - 使用说明
# - 引用信息

4. 许可证​

推荐许可证：

  • 数据: CC0, CC-BY
  • 代码: MIT, Apache 2.0
  • 文档: CC-BY

数据引用​

如何引用数据​

作者. (年份). 数据集标题. 数据库名称. DOI或URL.

示例：
Smith, J. et al. (2024). Single-cell RNA-seq of human PBMC. 
Gene Expression Omnibus. https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE123456

在论文中引用​

  • 在方法部分说明数据来源
  • 提供数据访问号（如 GEO accession）
  • 在数据可用性声明中说明

示例：完整的数据共享流程​

1. 准备数据​

# 导出 Seurat 对象
saveRDS(seurat_obj, "pbmc_analyzed.rds")

# 导出 H5AD 格式（用于 Python）
library(SeuratDisk)
SaveH5Seurat(seurat_obj, "pbmc_analyzed.h5seurat")
Convert("pbmc_analyzed.h5seurat", "h5ad")

2. 创建元数据文件​

# metadata.txt
write.table(
  data.frame(
    sample_id = "PBMC_001",
    tissue = "Peripheral Blood",
    disease = "Healthy",
    age = 30,
    sex = "Male",
    technology = "10x Chromium",
    chemistry = "v3",
    sequencing_platform = "Illumina NovaSeq",
    read_length = "150bp paired-end",
    cell_count = ncol(seurat_obj),
    median_genes = median(seurat_obj$nFeature_RNA)
  ),
  "metadata.txt",
  sep = "\t",
  row.names = FALSE
)

3. 创建 README​

# PBMC Single-cell RNA-seq Dataset

## Description
Single-cell RNA sequencing of peripheral blood mononuclear cells (PBMC) 
from a healthy donor.

## Data Processing
- Quality control: nFeature > 200, nFeature < 2500, percent.mt < 5
- Normalization: LogNormalize
- Clustering: Louvain algorithm, resolution = 0.5
- Cell type annotation: Based on canonical markers

## Files
- pbmc_analyzed.rds: Seurat object
- pbmc_analyzed.h5ad: AnnData object
- expression_matrix.txt: Raw counts matrix
- metadata.txt: Cell metadata
- analysis_script.R: Analysis code

## Citation
If you use this data, please cite:
[Your paper citation]

## License
CC-BY 4.0

## Contact
[Your email]

4. 提交到 GEO​

  1. 压缩文件
  2. 上传到 GEO
  3. 填写在线表格
  4. 等待审核
  5. 获得 GSE 编号

参考资源​

完成课程​

你已经完成了 BioF3 单细胞实践教程的全部 12 个模块！

下一步建议​

  1. 实践项目: 使用真实数据集进行完整分析
  2. 深入学习: 选择感兴趣的主题深入研究
  3. 参与社区: 加入生物信息学社区，分享经验
  4. 持续更新: 关注新方法和新工具

继续学习​