GEO 数据库数据量
NCBI GEO 是最大的公共转录组数据库。单套 GSE 数据量取决于样本数和测序类型：
| 数据类型 | 单样本 FASTQ | 典型 GSE 样本数 | 总数据量 |
|---|---|---|---|
| RNA-seq | 5-20 GB | 6-100 | 30 GB - 2 TB |
| scRNA-seq (10x) | 5-50 GB | 1-20 | 5 GB - 1 TB |
| WES | 10-15 GB | 10-200 | 100 GB - 3 TB |
TCGA 数据量
TCGA 癌症基因组图谱包含 33 种癌症类型，超过 11,000 个样本：
- 全量原始数据（Level 3）：约 1.5 TB
- 仅表达矩阵：约 50 GB
- 仅临床信息：约 5 GB
通常不需要全量下载，可通过 GDC Data Portal 或 TCGAbiolinks 按需下载。
存储规划建议
- 下载 + 中间产物需原始数据的 2-3 倍空间
- 建议使用 NVMe SSD 存储活跃数据，HDD 存储归档数据
- 10 套 GEO + 分析：建议 2-4 TB
- TCGA 挖掘项目：建议 4-8 TB