NCBI SRA数据库使用详解

Posted 2020-12-31 lyyao

 

转：https://shengxin.ren/article/16

https://www.cnblogs.com/lmt921108/p/7442699.html

 

SRA（Sequence ReadArchive）数据库是用于存储二代测序的原始数据，包括 454，Illumina，SOLiD，IonTorrent，Helicos 和 CompleteGenomics。除了原始序列数据外，SRA现在也存在raw reads在参考基因的比对信息。

根据SRA数据产生的特点，将SRA数据分为四类：

• Studies-- 研究课题

• Experiments-- 实验设计

• Runs-- 测序结果集

• Samples-- 样品信息

SRA中数据结构的层次关系为：Studies->Experiments->Samples->Runs.

• Studies是就实验目标而言的，一个study 可能包含多个Experiment。

• Experiments包含了Sample、DNA source、测序平台、数据处理等信息。

• 一个Experiment可能包含一个或多个runs。

• Runs 表示测序仪运行所产生的reads。

SRA数据库用不同的前缀加以区分：

• ERP或SRP表示Studies；

• SRS 表示 Samples；

• SRX 表示 Experiments；

• SRR 表示 Runs；

使用：

　　搜索相关研究的疾病，选择相应数据集

点击第一个案例进入详细信息界面 

Study详细信息页面

Experiments详细信息页面

Runs详细信息页面，选择要下载的Runs

3、下载数据

要下载SRA数据，我们需要先安装SRA Toolkit软件包，下载地址：

https://www.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software

根据自己的环境下载相应的软件包。

主要包括：

• CentOS 32/64

• Ubuntu 32/64

• MacOS 32/64

• MS Windows 32/64

以CentOS为例：

1、下载安装：

wget "http://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/current/sratoolkit.current-centos_linux64.tar.gz"

tar xzf sratoolkit.current-centos_linux64.tar.gz

2、运行下载

cd sratoolkit.2.5.7-centos_linux64/bin

./prefetch SRR2172038

下载完成后，会在你的工作主目录下生成一个ncbi的文件夹。

cd ncbi/public/sra

查看SRR2172038.sra数据

 

3、转换fastq

 

/sratoolkit.2.5.7-centos_linux64/bin/fastq-dump ./SRR2172038.sra

 

4、转换fasta

 

/sratoolkit.2.5.7-centos_linux64/bin/fastq-dump  --fasta ./SRR2172038.sra

 

批量下载SRA数据

 

1.新建文件，命令为prefetch_bash.sh   (感觉命名简单粗暴啊)

 

vi prefetch_bash.sh

 

#!/bin/bash

 

for id in  $(seq 1 5)    #记住该语法

 

do

 

　　prefetch SRR35899${id}

 

done

 

3.给文件一个可执行权限

 

chmod +755 frefetch_bash.sh

 

4.添加环境变量或者将其move到/usr/bin即可

 

添加环境变量：

 

vi ~/.bashrc

 

export PATH=/home/lmt/biosoft/data:$PATH

 

保存之后需source ~/.bashrc

 

或者move

 

move   ./frefetch_bash.sh   /usr/bin这样可以直接使用 

 

5.利用prefetch_bash.sh批量下载所需的SRR文件

 

在终端输入：prefetch_bash.sh

下载的SRR数据默认存放在：/home/lmt/ncbi/public/sra里