NCBI下载SRR并转换为fastq文件
数据可用性：The entire genome resequencing data have been deposited at GenBank under the accession PRJNA356989.
想下载该篇文献中某一样品的fastq原始数据，看了一些下载教程，方法各异，看完思路还是不清晰，以下记录我的操作步骤，仅供参考。其中红色圆圈为步骤记录，蓝色为补充或其他选择：
一、NCBI搜索
进入NCBI官网，选择“BioProject”，搜索文献中提供的项目号 PRJNA356989
搜索结果如下：
点击BioSample对应的数字，跳转到以下界面：
任意点击一个样本，得到该样本的信息，之后点击下方SRA，点击 study 中的 all runs 进入到全部样本界面，此处若是想下载该样本，可点击蓝色圆圈（见后续补充）
二、下载SRR文件
根据SRR号或样本信息筛选，确定自己要下载的样本，得到SRR号，此处以“SRR6382584”为例
点击SRR号，再点击Data Access 进入下载界面
复制该链接，在Linux中下载
wget -c https://sra-pub-run-odp.s3.amazonaws.com/sra/SRR6382584/SRR6382584
注：也可使用aws-cli软件下载Original format的fastq文件，但是安装及配置步骤复杂，不适合新手，若感兴趣可参考配置基础知识 - AWS 命令行界面 (amazon.com)以及Environment variables to configure the AWS CLI - AWS Command Line Interface (amazon.com)
三、将SRR文件转换成fastq文件
使用NCBI提供的SRA-toolkit中的工具fastq-dump将SRR文件转换为fastq格式，将双端测序文件拆分为两个reads
nohup fastq-dump --split-3 --gzip ./SRR6382584 & #SRR文件需指定路径，时间较长，-gzip 命令，输出gz的压缩格式，好处是可以节省空间
或使用更新后的sra解压工具，fasterq-dump, a faster fastq-dump，它能利用临时文件和多线程加速从SRA文件提取fastq
nohup fasterq-dump --split-3 ./SRR6382584 & #SRR文件需指定路径，时间较短，速度快，但不能用--gzip参数
gzip SRR6382584-1.fastq #压缩为gz格式，结果文件为SRR6382584-1.fastq.gz
gzip SRR6382584-2.fastq #压缩为gz格式，结果文件为SRR6382584-2.fastq.gz
拆分文件时有两种常用的参数，--split-files 和--split-3：
--split-spot: 将双端测序分为两份,但是都放在同一个文件中
--split-files: 将双端测序分为两份,放在不同的文件,但是对于一方有而一方没有的reads直接丢弃
--split-3 : 将双端测序分为两份,放在不同的文件,但是对于一方有而一方没有的reads会单独放在一个文件夹里
另外还有-p 和 -e参数，-p 可以显示进程，-e 指定线程，例如-e 24 是使用24个线程
fastq-dump运行时间较长，更推荐fasterq-dump。
补充：使用NCBI提供的SRA-toolkit直接下载SRR文件，并转换为FASTQ格式（数据小于20G）
选择单个样本或多个样本，点击Accession List 下载得到SRR_Acc_List.txt
可将SRR_Acc_List.txt下载到本地后上传至Linux，也可获取SRR_Acc_List.txt链接在Linux里直接下载
（单个样本）
（多个样本）
根据该SRR_Acc_List.txt下载SRR数据并转换为fastq文件：
nohup prefetch --option-file SRR_Acc_List.txt & #下载SRR文件
nohup fasterq-dump --split-3 ./SRR6382584 & #将双端测序文件拆分为两个reads
gzip SRR6382584-1.fastq #压缩为gz格式，结果文件为SRR6382584-1.fastq.gz
gzip SRR6382584-2.fastq #压缩为gz格式，结果文件为SRR6382584-2.fastq.gz
- 发表于 2022-12-09 11:56
- 阅读 ( 10585 )
- 分类：软件工具
