获取GSA项目号
因为想要复现一篇GWAS的文章,但是其数据上传到了GSA数据框。于是我就去查了一下GSA数据库的相关知识。GSA (Genome Sequence Archive)是2015年底,中科院北京基因组研究所生命与健康大数据中心开发的原始组学数据归档库。数据模型和数据格式遵照INSDC标准,在功能上等同于NCBI的SRA,EBI的ENA和DDBJ的DRA。
想要下载GSA上的数据,首先要先去论文中找到数据的项目号(CRA000167)
获取CRA号
然后就可以去Genome Sequence Archive进行搜索,
下载数据
获取到CRA号之后,就可以开始下载数据了
FTP版::ftp://download.big.ac.cn/gsa/CRA号
批量下载ftp数据命令如下
wget -c -r -np -k -L -p ftp://download.big.ac.cn/gsa/CRA000004/
参数详解如下 :
-c 断点续传
-r 递归下载,下载指定网页某一目录下(包括子目录)的所有文件
-np 递归下载时不搜索上层目录,一定要加上这个参数,不然会下载太多东西的)
-k 将绝对链接转为相对链接,下载整个站点后脱机浏览网页,最好加上这个参数
-L 递归时不进入其它主机,
检验数据 md5
md5sum KPGP-00001_L1_R1.fq.gz> md5tmp1.txt
然后比较md5文件有没有差异,如果没有差异则表明下载成功。