只要有ENA千万别用NCBI拆分SRA文件，通过SRAtoolkits

Posted 2020-12-04 muuyouzhi

只要有ENA千万别用NCBI！！！！

 

最近开始分析网上Download的数据，一开始用人家现成的GWAS数据，后来觉得反正自己的数据到手该做的也是要做的，出来混早晚是要还的，所以就开始从头分析一些SRA的数据，我以为会很简单，事实证明是我简单了。

 

首先我们下了这样的一串数据，*.sra格式：

-rwxrwxrwx 1 genomics genomics  3446649216 6月  17 12:17 SRR1206512.sra
-rwxrwxrwx 1 genomics genomics  2137350143 6月  17 12:13 SRR1206514.sra
-rwxrwxrwx 1 genomics genomics 34161688171 6月  17 17:05 SRR1206516.sra
-rwxrwxrwx 1 genomics genomics 32445878937 6月  17 17:11 SRR1206517.sra
-rwxrwxrwx 1 genomics genomics 31358768652 6月  17 16:40 SRR1206518.sra
-rwxrwxrwx 1 genomics genomics 35372407493 6月  17 17:55 SRR1206519.sra

 

这些数据需要把他们变成fastq格式我们才好下手，这些数据是双端有150，也有200bp的重测序，也就是说这里的数据是被称为paired-end的格式，我们在解包的时候就需要注意，一个不小心就把fastq的head弄得乱七八糟没法往下进行。

sratoolkit

在NCBI里下这个工具集，这里的工具都是分开的，也就是用哪个把路径复制到哪就可以了，而且需要make一下，安装完我们就可以用这个来进行SRA的解包工作了。

 

代码如下：

这里要注意使用--split-3 这个参数，只有用这个才能正确解开双端测序的包。

/home/genomics/sratoolkit.2.9.1-1-ubuntu64/bin/fastq-dump.2.9.1 --split-3 <prefix>.sra