SRA数据库及其数据的下载
SRA数据库
Sequence Read Archive (SRA)是NCBI旗下的数据库之一,其作用是存储包括Illumina、454、IonTorrent、Complete Genomic、PacBio和OxfordNanpores在内的二代测序技术所产生的原始序列数据(GEO数据库是经过一定处理的数据。)。这些数据可以提交给GeneBank(美国)、EMBL(欧洲)和DDBJ(日本)这三大核酸数据库之一,并会在三者间共享,这三大核算数据库组成的联合核苷酸数据库被称为INSDC(国际核苷序列联合数据库)。
SRA的官方网址为:https://trace.ncbi.nlm.nih.gov/Traces/sra/
因为其整合在NCBI中,所以搜索时需要通过NCBI的官网https://www.ncbi.nlm.nih.gov/的搜索框中的下拉菜单中选取SRA进行数据的搜索。
使用SRA的数据可以验证实验结果、增大样本量以及开辟新的研究手段。(官方自评)
SRA的数据类型
- Studies-- 研究课题(前缀为ERP或SRP,包含多个Experiment)
- Experiments-- 实验设计(前缀为SRS,包含Sample、DNA source、测序平台和测序数据等信息)
- Samples-- 样品信息(前缀为SRX,包含一个或多个Runs)
- Runs-- 测序结果集(SSR开头的记录,代表测序仪器所产生的reads)
SRA Toolkit的测试
SRA Toolkit是NCBI官方提供的用于下载GEO以及SRA等数据库中数据的下载工具,此外R中也有基于SRA Toolkit的包。
首先看看SRA Toolkit的用法:
SRA Toolkit官方下载地址为:https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software
根据系统的不同可以分为CentOS、Ubuntu、MacOS以及Windows,均只有为64位版本。
安装
- Windows
为7z格式的绿色软件的压缩包,下载完成后,将其解压至目标位置后,将该路径添加至系统环境中。
- Linux
wget "ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/current/sratoolkit.current-centos_linux64.tar.gz"
下载数据
需要下载文件时,打开cmd命令行,通过cd命令将路径定位至软件的解压缩目录下~ \sratoolkit\bin
,以SRR390728的这个数据进行测试:
Windows:
fastq-dump.exe -X 5 -Z SRR390728
Linux:
在\sratoolkit\bin目录下时:
./fastq-dump -X 5 -Z SRR390728
该条命令的解读如下:
fastq-dump命令通过整合的fastq-dump工具下载fastq格式的数据,或者将已经下载好的sra数据转换为fastq格式。
-X 5的意思是返回前5个记录的结果。
-Z的意思是输出在屏幕上,待下载结束后屏幕将会出现5个记录。
需要注意的是,虽然这个数据有184M,但通过这个命令仅会下载2M左右,下载的文件路径为:
C:\Users\[User's name]\ncbi\public\
此时屏幕上显示的前5个记录的内容为:
Read 5 spots for SRR390728
Written 5 spots for SRR390728
@SRR390728.1 1 length=72
CATTCTTCACGTAGTTCTCGAGCCTTGGTTTTCAGCGATGGAGAATGACTTTGACAAGCTGAGAGAAGNTNC
+SRR390728.1 1 length=72
;;;;;;;;;;;;;;;;;;;;;;;;;;;9;;665142;;;;;;;;;;;;;;;;;;;;;;;;;;;;;96&&&&(
@SRR390728.2 2 length=72
AAGTAGGTCTCGTCTGTGTTTTCTACGAGCTTGTGTTCCAGCTGACCCACTCCCTGGGTGGGGGGACTGGGT
+SRR390728.2 2 length=72
;;;;;;;;;;;;;;;;;4;;;;3;393.1+4&&5&&;;;;;;;;;;;;;;;;;;;;;<9;<;;;;;464262
@SRR390728.3 3 length=72
CCAGCCTGGCCAACAGAGTGTTACCCCGTTTTTACTTATTTATTATTATTATTTTGAGACAGAGCATTGGTC
+SRR390728.3 3 length=72
-;;;8;;;;;;;,*;;';-4,44;,:&,1,4'./&19;;;;;;669;;99;;;;;-;3;2;0;+;7442&2/
@SRR390728.4 4 length=72
ATAAAATCAGGGGTGTTGGAGATGGGATGCCTATTTCTGCACACCTTGGCCTCCCAAATTGCTGGGATTACA
+SRR390728.4 4 length=72
1;;;;;;,;;4;3;38;8%&,,;)*;1;;,)/%4+,;1;;);;;;;;;4;(;1;;;;24;;;;41-444//0
@SRR390728.5 5 length=72
TTAAGAAATTTTTGCTCAAACCATGCCCTAAAGGGTTCTGTAATAAATAGGGCTGGGAAAACTGGCAAGCCA
+SRR390728.5 5 length=72
当进行到这一步时,说明软件安装成功,并且可以正常下载数据了。
数据下载
关于SRA Toolkit的命令和参数将在后面详解,此时,可以先试试下载一个原始的压缩格式的sra数据:
Windows:
prefetch.exe SRR390728
Linux:
./prefetch SRR390728
此时的cmd命令行显示如下:
2019-06-16T09:19:44 prefetch.2.9.3: 1) Downloading 'SRR390728'...
2019-06-16T09:19:44 prefetch.2.9.3: Downloading via https...
如果结束后未报错,则说明下载成功。
等下载完成后,linux中可以通过下述命令进行md5校验
md5sum -b
当校验通过时,就可以愉快的折腾数据了。
sratoolkit
该工具整合了prefetch、fastq-dump以及sam-dump。这三个工具中,prefetch用于下载原始文件,fastq-dump可以下载fastq格式的文件,也可以将下载好的sra格式文件转换为fastq格式。分别介绍这3个工具的用法与参数。
- prefetch
- 用法
prefetch [options] <path/SRA file | path/kart file> [<path/file> ...]
prefetch [options] <SRA accession>
prefetch [options] --list <kart_file>
- 参数
参数 | 说明 |
---|---|
-h或--help | 帮助 |
-V或--version | 版本信息 |
-f或--force <value> | value: no、yes和all。no为默认值,当本地发现下载完成的文件时,将跳过该文件。yes代表即使本地先前已经下载完成,仍然下载该文件。all值代表忽略旧文件,并且忽略正在下载的文件。 |
--transport | value: ascp、http、bost(优先ascp),默认值为both |
-l或--list | li |
- 示例
该示例将Shell命令行cd至sra文件目录下,然后指明fastq-dump.exe路径,最终会将SRR390728.sra转换为fastq文件,转换后的文件处于sra文件目录下,为fastq格式的同名文件。
- fastq-dump
- 用法
#single-end 单端测序
.../fastq-dump DRR000003.sra # 结果生成DRR000003.fastq
.../fastq-dump --fasta DRR000003.sra # 结果生成DRR000003.fastq
#pair-end 双端测序
.../fastq-dump --split-3 DRR002018.sra # 结果生成 DRR002018_1.fastq,DRR002018_2.fastq
- 示例
Windows:
H:\sratoolkit\bin\fastq-dump.exe SRR390728.sra
这个命令是在SRR390728.sra所在的目录下,通过fastq-dump.exe的绝对路径运行的。
Linux:
/home/soft/sratoolkit/bin/fastq-dump SRR390728.sra
注意,这个命令是在SRR390728.sra的目录下,输入fastq-dump的绝对路径进行的。
等了数个小时后
Read 7178576 spots for SRR390728.sra
Written 7178576 spots for SRR390728.sra
作者:波波在敲代码
链接:https://www.jianshu.com/p/beb47b89c1d3
来源:简书
SRA数据库及其数据的下载相关推荐
- linux下载sra数据库,NCBI-SRA数据下载的3种方法
SRA 数据库, 为Sequence Read Archive 的缩写.主要存储高通量测序的原始数据,来自四个测序平台,分别为:Roche_LS454,Illumina,ABI_SOLID和HELIC ...
- SRA数据库及linux本地下载
目录 一.SRA数据库 二.SRA数据库下载 1.SRA Toolkit下载数据 1.1. 下载压缩包 1.2. 解压及配置环境 1.3.下载.sra文件以及转换.fastq文件 2.wget, cu ...
- matlab读取hea,MIMIC数据库中数据的下载以及MATLAB读取
一.MIMIC数据库介绍 MIMIC数据库是美国麻省理工提供的一个对公众开放的多参数重症监护数据库,里面提供了诸如心电信号(ECG).光电容积脉搏波信号(Pleth).动脉血压信号(ABP)和呼吸信号 ...
- 【数据库】SRA数据库介绍及数据下载
[数据库]SRA数据库介绍及数据下载 生信技术 2021-10-06 11:00 以下文章来源于生信Alpha ,作者BioinfoPenn 生信Alpha. 生物信息.生物统计.Linux系统.sh ...
- linux下载sra数据库,NCBI SRA数据库使用详解
做为一个合格的生物信息菜鸟,没钱测序咋整,免不了到处求数据呀找数据.....练好基本功必须先从找数据开始!今天小编就来介绍一下一个存储大量高通量数据的的数据库-SRA. 1.简介 SRA(Sequen ...
- 从NCBI当中SRA数据库中下载高通量测序数据
从NCBI当中SRA数据库中下载高通量测序数据 NCBI sra 数据下载 用迅雷替代官方的prefetch批量下载SRA测序数据,更快更稳定! 用别人的数据,发自己的文章 由于大多数杂志在文章发表前 ...
- linux下载sra数据库,linux下使用Aspera Connect下载sra数据
参考链接:https://www.jianshu.com/p/680e8d720516 1. 下载Aspera Connect:在命令行输入如下命令 wget http://download.aspe ...
- linux 下载sra数据库,NCBI下载SRA数据和之后的数据处理
一,下载该软件 wget http://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/current/sratoolkit.current-ubuntu64.tar.gz ta ...
- SRA数据的下载 PRJNA257197
从NCBI下载测序数据 | 也许是目前最详细的版本 目录 一.使用NCBI的工具进行下载 1. 下载和安装Entrez Direct以及SRA toolkit 1.1 下载和安装Entrez Dire ...
最新文章
- R语言dplyr包数据列重排(reorder)实战:把特定数据列移动到第一列、把特定数据列移动到最后一列、数据列多列重排、按照字母顺序重排数据列、把数据列反序
- 打破校史!这位参与发表学校首篇Science的博士小姐姐,近日一作再发Nature
- 怎样的中奖算法能让人信服(转)
- Ubuntu12.04不能切换输入法
- 逆波兰表达式简单介绍
- ios 获取视频截图
- 【产品能力深度解读】连续入围Gartner魔力象限的Quick BI有何魔力?
- 第一个鸿蒙程序“hello world“
- kafka怎么监听oracle,Rango_lhl:Spark+Kafka实时监控Oracle数据预警
- ubuntu 13.04 mysql_Ubuntu 13.04 MySQL Proxy安装与配置
- 作为曾经的 Web 开发“王者”,jQuery 的传奇怎么续写?
- NIO,一本难念的经——分布式系统基础
- 魅蓝note6救砖_魅蓝NOTE6救砖工具及线刷包
- [乡土民间故事_徐苟三传奇]第四回_张员外受骗摔新锅
- 墨刀导出html无法使用,墨刀用户必读,能解决你80%的问题(持续更新中)
- 更改linux键盘布局,无法更改Centos 7上的键盘布局
- 厦门大学计算机学院李平,学术盛会,知行合一 ——2020年厦门大学信息学院计算机科学系研究生学术论坛圆满举办...
- c语言程序设计评分标准,c语言程序设计期末(A)标准答案及评分标准.doc
- JVM中栈的frames详解
- IDEA新建项目配置tomcat