前言

今天学习的是Biostar 课程3,4

做生物信息需要频繁使用NCBI数据库，当数据增多的时候，可以使用ncbi自带的工具软件：blast+，Edirect，SRA toolkit。
blast+是NCBI最重要的功能，用来找同源基因序列。
Edirect包含一大堆工具，主要用来检索NCBI各个数据库的内容。
SRA toolkit主要用来处理NCBI SRA数据库的数据，包括数据下载以及格式转换等。

Biostar 课程3,4里介绍了Entrez Direct和SRA toolkit的安装和使用。

Biostar 课程3

Entrez Direct，简称EDirect，这个工具可以帮助查找、检索和处理Pubmed数据。

两个参考文档：
EDirect官方文档
Entrez介绍这是一个比较全的中文的关于Edirect安装和功能的介绍。

EDirect安装

我在按照Biostar程里面的指导安装时，遇到一个问题，核心工具xtract（把XML格式的数据转换成纯文本格式）没有安装好。我按照下面的提示，在EDirect文件夹里执行这些命令之后，就正常了。

EDirect学习

安装好之后练习了einfo，esearch，efetch等命令。总的来说，就是学会怎么在特定数据库中查找关键信息并下载需要的内容。

Biostar 课程4

SRA toolkit安装

这节课中是要下载SRA toolkit，没有意外的是，这个过程中又出现bug了。
我按照指示安装好了SRA toolkit 2.8.2版本，但是用prefetch下载文件时失败了，屏幕报错如下。看到这些报错信息时不要慌，重要的是要找出关键信息。

尝试1
我首先把第一句话从“prefetch 2.8.2 sys”到“X509”这些文字都作为关键词去搜索解决方法，结果并没有找到什么有用的信息。
尝试2
我看了一下sra的文档，文档里说，可以直接使用“fastq-dump”命令来下载并拆解文件，从而避免使用prefetch。我尝试之后，还是报了一样的错误。所以问题不在于prefetch命令。
尝试3
仔细分析报错中的关键词，我认为最重要的还是9984，这个错误代码可以帮助区分我遇到的这种问题和网络上的其他信息，因此我使用“fastqdump 9984”来搜索，立刻发现有两篇帖子中都说，把SRA-toolkit更新到最新版本，这个问题就可以解决了。我尝试之后，果然不再报错。

因此，遇到问题之后，需要冷静下来仔细辨别关键信息，再去搜索，这比完整的复制粘贴更有效率。

SRA toolkit使用

这个工具可以进行批量下载和格式转换。
流程：首先使用EDirect里的工具esearch和efetch来查询和获取所有需要下载的文件序号，再利用SRA toolkit中的prefetch进行批量下载，用fastq-dump来进行批量格式转换和文件分割。

生信学习—Biostar课程3、4安装使用Entrez Direct和SRA toolkit相关推荐

送书 | 知乎阅读300w+的生信学习指南（更新版）
先送书在上周的留言送书活动中,恭喜下面这位读者获得书籍"Oracle高性能系统架构实战大全",请及时与生信宝典编辑(shengxinbaodian)联系. 2020过去三分之一了 ...
知乎阅读三百万的生信学习指南
作为本科学生物,硕博转行生物信息的人,经常会被人问起,为啥学习生物信息了呢?这背后通常会带着一些困惑,生物信息分析好不好学? 生信的作用越来越大,想学的人越来越多,不管是为了以后发展,还是为了解决眼下 ...
生信学习——R语言练习题-初级（附详细答案解读）
题目目录 1. 打开 Rstudio 告诉我它的工作目录. 2. 新建6个向量,基于不同的数据类型.(重点是字符串,数值,逻辑值) 3. 告诉我在你打开的rstudio里面 getwd() 代码运行后 ...
生信学习——R语言学习总结
写在前面--经过了四十天断断续续的学习,算是对R语言有了初步的了解.其实使用R语言,无非就是对数据进行处理分析,然后把结果可视化.但是数据的千变万化,还有数以万计的函数.数据格式,使得这个过程变得很复 ...
生信学习学的是什么？常识！
生物信息学学的是什么?常识! 学习的是基本生物学概念的常识! 学习的是计算机基础的常识! 学习的是图形解读的常识! 学习的是统计的常识! 拦住生信学习脚步的不是技术有多难,而是有些常识你还不知道. 这 ...
计算机通路的基本概念,【生信学习笔记】KEGG分子通路数据库
原标题:[生信学习笔记]KEGG分子通路数据库首先什么是一个通路? 通路可以定义为a series of actions among molecules in a cell,细胞中的分子的一系列的行 ...
生信学习之通路富集一（GO分析）
生信学习之通路富集一(GO分析): 富集分析的理论知识富集分析(Enrichment Analysis)是一种广泛应用于生物信息学研究的统计方法,主要用于检验一个基因集合中某些功能或特征的富集程度. ...
【生信学习第一天】DEseq2 差异表达基因计算
一.介绍分析来自 RNA-seq 的计数数据的一项基本任务是检测差异表达的基因.计数数据以表格的形式呈现,其中报告了每个样本已分配给每个基因的序列片段的数量.其他检测类型也有类似的数据,包括比较 C ...
web平台安装程序_Galaxy 生信平台（一）：安装
Galaxy Project(https://galaxyproject.org/)是在云计算背景下诞生的一个生物信息学可视化分析开源项目. 该项目由美国国家科学基金会(NSF).美国国家人类基因组研 ...
推荐我们在B站免费的生信入门基础课程|测序原理，GO/GSEA/WGCNA
点击**阅读原文**直达! 经典升级 | 第 17 期高级转录组分析和R数据可视化火热报名中!!! Nature重磅综述 |关于RNA-seq,你想知道的都在这 RNA-seq最强综述名词解释& ...

生信学习—Biostar课程3、4安装使用Entrez Direct和SRA toolkit

前言