登记数据清单：来源、下载命令、校验值、授权与使用边界（生物数…

# GEO RNA-seq 原始数据登记清单模板与操作指南

由于我无法访问您的实际下载数据，以下提供标准化登记模板 + 生成各字段的具体命令，您按步骤执行即可快速完成登记。

一、清单登记模板（Excel/CSV 表头）

| 字段 | 说明 |

|---|---|

| 样本编号 | 如 GSM1234567 |

| SRA登录号 | 如 SRRXXXXXXXX |

| GEO系列号 | 如 GSEXXXXXX |

| fastq文件名 | 如 xxx_1.fastq.gz / xxx_2.fastq.gz |

| 文件大小 | 字节级精确值 |

| MD5校验值 | 下载后本地计算 |

| 下载命令 | 完整可复现命令 |

| 下载日期/下载人 | 记录责任链 |

| 数据使用授权范围 | 见第四部分 |

| 备注 | 数据异常、重下载记录等 |

二、下载命令登记（写入清单）

```bash

# 推荐使用 prefetch + fasterq-dump（sratoolkit）

prefetch SRRXXXXXXX -O ./sra/

fasterq-dump SRRXXXXXXX -O ./fastq/ --split-files

pigz ./fastq/*_1.fastq ./fastq/*_2.fastq

# 备选方案

wget "https://sra-pub-run-odp.s3.amazonaws.com/sra/SRRXXXXXXX/SRRXXXXXXX"

```

每条命令记录在对应样本行的“下载命令”字段，确保可复现。

三、MD5 校验值生成与登记

```bash

# Linux/macOS

md5sum *_1.fastq.gz *_2.fastq.gz > md5_manifest.txt

# Windows PowerShell

Get-FileHash *.fastq.gz -Algorithm MD5 | Format-Table

```

注意：GEO/SRA 提供的 md5 是 SRA 原始文件的校验值，转成 fastq 后需自行计算并登记。建议 200GB 数据分批校验（约数小时），校验通过后填写“MD5校验状态：✓”。

四、使用授权范围登记要点

• 查看 GEO 页面的数据政策及关联文献，标注：“仅限学术研究使用 / 禁止商业用途 / 不得重新分发”
• 记录发布日期：若数据处于 honeypot/受控访问 状态，需注明已获 dbGaP 或数据提供者授权（附批准编号）
• 引用要求：注明“使用时须引用 GSE 系列号及原始文献 DOI”
• 建议在清单末尾附声明：*“本清单所列数据使用遵守 NIH Genomic Data Sharing 政策及 GEO 递交者声明的使用限制。”*

五、建议归档结构

```

project/

├── download_commands.txt # 全部下载命令

├── md5_manifest.txt # 校验清单

├── data_use_policy.md # 授权说明

└── sample_inventory.xlsx # 主登记表

```

完成登记后，建议对清单文件本身做一次备份（本地+云端），并设置只读权限防止误改。