这些数据库包含海量的普通转录组、单细胞转录组、甲基化、ATAC 等数据，这些数据都能对自己的研究有帮助。网址：https://www.ncbi.nlm.nih.gov/geo/GEO 这个数据库应该大多数人都很熟悉，毕竟之前发文章时，一些组学数据都需要上传至 GEO。GEO 数据库是一个免费的公共功能基因组学数据存储库，使用简单，对科研者非常友好。接受基于阵列和序列的数据，提供的工具可帮助用户查询和下载实验和整理的基因表达谱。
图片来源：网站截图
一种是直接检索 GSE number 获取数据集。有些已发表文献中会提供 GSE number，如果你对后续数据感兴趣，则直接检索 GSE number 即可。另一种是用关键词检索。在很多时候，我们是有目的地去检索，想要知道某些组学是否已经有数据，需要自己用关键词检索。为了更精确的获得需要的数据，检索的信息尽可能精确，例如，输入「组织」或「细胞」、「物种信息」、「测序类型」等。从检索结果中再筛选需要的数据。下面，以 GSE148505 为例，一起来看看检索结果主要包含了哪些信息。
图片来源：网站截图
首先，看到标题就知道这个数据集是干什么的，主要关注物种类型，测序是芯片数据还是高通量（因为后续的分析方法不同）。还需关注实验设计，详细的测序样品获取实验方法。例如，动物的选择，细胞的处理等信息都要搞清楚，才能判断数据集是否符合我们的需求。「citation」则是数据发表文章。如果数据所在文章已经发表，这里会显示文章题目，则可以通过阅读这篇文章更加细致的了解作者上传的数据，以此查看是否还有可以挖掘的内容。
图片来源：网站截图
下面部分需要看测序平台，这里涉及到基因注释信息。我们需要的数据在 「series matrix file」中，下载这个文件就可以获取表达矩阵。原始的测序文件在 「Raw data」中。
图片来源：网站截图
虽然网上有很多帖子介绍 GEO，但是有一点内容很少提及，那就是「metadata」信息。点击页面「SRA run selector」，则会跳转测序样本的详细信息，点击 「Metadata」即可下载。很多时候这里面不仅不含处理与对照信息，还有性别、年龄等信息，如果将这些信息也纳入自己的研究，那么研究内容会变得更有意义，也更丰富。优点：GEO 是同类数据库中比较友好的了，基本上提供表达矩阵数据，方便使用者快速查询和分析。缺点：其提供的芯片分析工具 GEO2R 有时候会误导读者，结果不一定准确，谨慎使用。而且基本上提供的都是 gene ID，需要自己注释 gene symbol 信息。网址：https://www.ebi.ac.uk/EMBL_EBI 欧洲生物信息研究所数据库，知名度似乎没有 GEO 高的，毕竟很多数据挖掘都是针对 GEO，而针对 EMBL_EBI 的比较少。然而，EMBL_EBI 也拥有非常全面的免费分子数据资源。其致力于开发数据库和工具有效地共享数据、执行复杂的查询并以不同的方式分析结果。很多时候，有些研究者在 GEO 检索不到数据后就放弃了，但其实 EMBL_EBI 上可能恰好有这个数据。因此，这两个数据库之间应该互补使用。
图片来源：网站截图
EMBL_EBI 数据检索方法和 GEO 一样，可以使用检索 number，也可以用关键词法广撒网。对于组学数据的检索，点击主页「Services」，选择「A to Z」，然后点击「ArrayExpress」，就可以进行检索了，这其中同样包含了转录组，基因组等数据。
图片来源：网站截图
下面，以 E-MTAB-7438 为例，看看数据集包含哪些信息。
图片来源：网站截图
进入主页后测序信息简洁明了，标题信息说明了是什么测序数据，组织和测序类型是什么。之后是物种信息及实验设计，这些都能帮助我们了解这个数据。页面底部就是数据链接了。打开数据链接就是整个数据的样本信息，有分组，物种、性别等，总之是比较详细的。
图片来源：网站截图
点击右上角「Export」就可以导出样本信息。测序数据的下载在页面右侧，可以选择下载原始 FASTQ 数据也可以选择 Processed data。这里必须强调一点，EMBL_EBI 大多上传的都是原始测序数据，也有一些是表达矩阵。优点：EMBL_EBI 数据库页面简单，清晰明了。除了组学的一些数据，EMBL_EBI 还包含一些「湿实验」的数据和其他有意思的内容，感兴趣的可以去主页详细了解，说不定有用！缺点：大多数据上传的是原始测序数据，对于没有生信上游分析经验的小伙伴不太友好！网址：https://ngdc.cncb.ac.cn/近年来由于大量生物学数据的产生，我国也在致力于建立数据库用于存储测序大数据。国家基因组数据中心（NGDC）是中国国家生物信息中心 （CNCB）的一部分，通过提供对一系列资源的开放访问来推进生命与健康科学的发展。由于是我们国家的数据库，所以页面就更加友好了，右侧选择「语言」-「中文简体」，对数据的使用也会更加顺畅。
图片来源：网站截图
NGDC 的基本内容设置与之前两个数据库类似。而且还提供链接转入之前的两个数据库，使用很方便。
图片来源：网站截图
检索方法如前，数据主页包含数据标题和物种，对基本的实验设计也有描述，还提供了资助来源和作者。这里需要强调，NGDC 的数据不能直接下载共享使用，需要联系作者获取数据使用权。
图片来源：网站截图
图片来源：网站截图
除此之外，NGDC 还提供了大量有用的数据信息和工具，在其主页下方的资源部分，可以看到囊括了多个数据，有不同的选项供使用。
图片来源：网站截图
例如，想看某个基因在癌症和正常组织中的表达信息。则可以在基因表达那里检索，快速获取有用的信息。
图片来源：网站截图
优点：NGDC 提供的数据是基于国内的样品，对于有特殊需求，例如研究某个人群特定的研究具有优势，而且提供了详细的数据和多个工具。缺点：NGDC 的数据不能直接下载使用，需要联系作者，经过作者同意，达成一致才能公开挖掘使用！这一点不如 GEO、EMB 方便！数据库只是一种手段和工具，利用的好也是能够获取有用信息的。尤其是没有基础做测序，或者没有太多实验支持的情况下，公共数据库的挖掘就是一个值得的选择。此外，通过对数据集的分析，也能够找到研究的思路和方向。赶快学习学习这几个数据库，数据库没有好坏之分，重要的是要整合使用，也试着检索下自己感兴趣的内容，为自己的基金写作和课题奠定基础！
