在生物學研究的"問題導向型"與"數據驅動型"兩大主流范式中，前人已發表的組學數據正由"輔助材料"向"核心資源"轉型。這些數據在驗證假設、發現新規律、突破實驗瓶頸等方面具有不可替代的作用：

1. 驗證與糾偏
通過分析他人數據，可驗證研究結果的普遍性和可重復性。

2.數據整合與統計效力提升
對于受限于樣本量的研究（如罕見病研究），整合多源數據可顯著增強研究結論的可信度。

3.科學新發現的"孵化器"
已發表數據中常蘊含未被關注的關聯性。例如：從癌癥基因組數據中發掘新突變熱點，或通過跨物種比較揭示進化規律。

4.資源與倫理限制下的替代方案
針對高成本實驗（如長期生態監測）或倫理敏感研究（如人類疾病模型），合理利用公開數據可顯著縮短研究周期并降低成本。

盡管已發表數據價值顯著，研究者在實際應用中常面臨以下挑戰：

01 文獻里的數據找不到來源

文獻通常在方法或結論部分設置"Data availability"板塊，說明數據存儲的數據庫及對應ID（圖1）。部分文獻可能將相關信息置于附錄或"STAR METHODS"中的"KEY RESOURCES TABLE"（圖2）。對于作者使用的第三方數據，需通過數據引用文獻追溯來源。

快速定位技巧：搜索“data availability”、“availability”、“access”、“accessible”、“raw data”、“processed”等關鍵詞。若出現“Any additional data are available from the corresponding author upon reasonable request”等表述，則表明數據未公開。

圖1. 文獻名稱：Global characterization of T cells in non-small-cell lung cancer by single-cell sequencing

圖2. 文獻名稱：A constitutive interferon-high immunophenotype defines response to immunotherapy in colorectal cancer

 
02 數據庫界面復雜或全是英文，不知道該怎么操作

多數數據庫因收錄數據多樣且功能復雜，導致界面復雜，加之全英文操作界面，顯著增加學習成本。這也是我們撰寫本系列文章的初衷，后續將逐一詳解各類數據庫的使用方法。

03 不知道該如何選擇合適的數據庫

不同的數據庫里能下載到的數據也有各自特色。比如GEO數據庫主要提供processed data（原始定量或標準化定量結果等），SRA專注原始測序數據。Zenodo數據庫可能會包含中間數據（如R語言的rds格式）以及配套代碼等。各位老師可以根據需求選擇合適數據庫。

04 數據庫中的數據不知道該如何使用，使用時有什么注意事項

作者上傳到數據庫中的組學數據通常包含原始數據、原始定量（count）結果以及標準化后的定量結果等等。整合分析時有以下要點要注意：
1）參考基因組是否相同。敲黑板，畫重點，合并分析前必須確認雙方使用相同參考基因組版本。
2）選擇遺傳背景一致性較高的樣本數據，可顯著增強分析結論的重現性。
3）選擇數據集時要注意定量分析軟件和試劑的版本。比如10X Genomics公司單細胞轉錄組測序專用的定量分析軟件Cell Ranger，早期版本的軟件細胞鑒定策略和現版本有很大差別，實驗試劑也在不斷升級。如果下載使用的processed data是早期版本的結果，可能會因版本迭代造成差異，降低分析結果可靠性。
4）數據整合時要用相同的數據標準化方法。建議下載數據時使用原始定量而不是已經標準化后的定量結果。這里分享一個竅門。對于轉錄組測序數據，原始定量矩陣中基因表達值都是整數，而標準化后的結果一般是小數，可以根據這一點判斷下載的數據類型。
5）有時我們下載到的定量結果基因名是數據庫ID（比如人PTRPC基因在Ensembl數據庫中的ID：ENSG00000081237）。數據庫在更新時可能更改基因的ID，必要時進行ID轉換。
6）當數據整合時發現PCA和樣品相關性結果存在批次差異時，需要校正批次差。

用好公共數據，借助前人的成果加速你的研究。下期詳解GEO數據庫使用技巧，敬請期待！