小心！！！权威杂志的GEO数据出错了

这篇文章名为《Identification of differentially expressed genes in longissimus muscle of pigs with high and low intramuscular fat content using RNA sequencing》，于2016年年初发表在ANIMAL GENETICS上，该杂志影响因子1.815，但是在动物领域该杂志还是很权威的。文章思路比较简单，就是针对猪的肌内脂肪含量的高低做了两组三重复共6个样的RNA-seq，然后分析了差异基因和通路并且用荧光定量验证了下，技术路线是tophat+edgeR。这篇文章看上去很简单，理论上也不该有什么问题是不？而且一般人也不会闲着没事去检验这种文章的GEO数据是不？可是老牛在学习技术的时候偏偏就碰巧找了这篇文章做技术练习，然后着实领教了韩国人的“写作技巧”。

三个L代表低肌内脂肪含量的猪，三个H代表高肌内脂肪含量的猪。每个样品的原始数据都是双端100bp的raw data，通过FASTQC质控老牛发现，6个样本的GC含量有些区别，具体如下：

我们可以看到，L12、L16和H06的Per sequence GC content图都为双峰，这种情况多见于测序样品有外源物种污染的情况。

然后老牛使用和文章中一样的tophat2对6个样本进行了mapping，mapping值越高代表测序的raw data中越多的reads能比对到猪的参考基因组上。老牛的结果如下图所示，其中L12、L16和H06三个样的比对率均不到5%，说明这三个样的reads中有95%以上没有比对到猪基因组上。

但是文章中可是说六个样本比对率都有70%多，如下图所示：

那么问题到底出在哪里？老牛在确定自己下载GEO数据过程中没有错误后，直接暴力的将随机抽取的reads比对到NCBI，结果发现：

H06_1_trimmed.fq :

以H06为例，抽取的reads在NCBI里的比对结果都是菌类，同样的情况也发生在L12和L16两个样本中，但是比对率正常的L10、H02、H03都完好的比对到猪基因组上，所以很明显L12、L16和H06在测序过程中被菌类污染了。

那么作者这篇文章是怎么写出来的？

那么作者这篇文章是怎么写出来的？

那么作者这篇文章是怎么写出来的？

老牛深深地折服韩国人的“写作技巧”，毕竟韩国人能把世界都说成是韩国的，其优秀的品质必定在其他领域也有所展现。

这事在生信草堂的老牛跟老马汇报后，经过讨论，联系到ANIMAL GENETICS的主编并说明这篇文章的问题，主编后来联系了作者。作者的反馈是：首先承认数据确实有问题，说明原因是上传错了数据，后续会上传正确的数据。

老牛似乎看到了经费在燃烧。。。

后续这个事情老牛会继续跟进，做事要有头有尾。当然老牛希望作者是真的上传错了数据，不然那些科研猪可就白白牺牲了。