发现与获取可复用公共数据集

Discover and Retrieve Public Datasets · 🟡进阶 · 所属分类：科学数据库与知识发现

想复用「某疾病+某组织+某处理」的公开测序或蛋白组数据，却要在 GEO、SRA、ENA、PRIDE 之间反复手点，GSE/SRP/PRJNA/PXD 的层级绕晕，样本分组还藏在标题和 characteristics 里散落难对齐。它帮你按生物学条件检索、取回 accession、结构化元数据和样本分组表。

适合谁

要复用公共数据做二次分析、meta 分析或方法验证的研究生与生信工程师。

给它什么 · 得到什么

• 你提供：研究条件（物种、疾病/表型、组织、处理、实验类型、平台、样本量下限、时间范围）或已有 accession；可选筛选阈值
• 你得到：候选数据集清单表 + 选定数据集的「样本—分组—协变量」表（CSV/TSV，缺失处显式标注）+ 可复现取数命令与下载链接清单（供你离线自取）

怎么用

示例提问：「帮我找几套人类结肠癌组织的 bulk RNA-seq 公开数据，每组至少 10 个样本，近五年发表的，给我 accession 和样本分组表。」触发后它会把研究问题拆成可检索字段、跨库检索去重排序、对齐 accession 层级，再从原始元数据恢复分组、生成取数脚本和链接清单。

提个醒

所有 accession、样本数和下载链接都来自实时 API 且可复核，它不会用记忆编造；样本分组只从原始元数据提取，不足处标「需人工确认」；它不代跑大规模下载，受控数据（dbGaP/EGA）只给合规申请路径。