原始数据集的下载

下载sra files的目的是为了获得相应的fastq或sam files，进而进行分析。

第1选择--Aspera Connect 如果aspera connect不能下载，推荐sratoolkit的prefetch功能。尽量不要用wget或curl下载，速度慢，且有时下载不完全

注意：Aspera>Sratools>ftp

 

第1选择：Aspera Connect

-Aspera connect是IBM的商业化高速文件下载软件，但可以免费下载NCBI和EBI的数据。速度可达200-500Mbps，几乎所有站点都超过10Mbps

-如果Aspera connect不能下载，则推荐sratoolkit的prefetch功能

-最后，尽量使用sratoolkit中的fastq-dump和sam-dump命令。如果fastq-dump连接外部稳定，则推荐使用Biostar Handbook中的wonderdump脚本。

警告：尽量不要使用wget或curl命令来下载

原文链接

Aspera有两种方式可以下载

第一，安装客户端（支持windows）

下载链接

具体可参考这篇文章

第二，命令行下载

关于第一种方式 ，下载直接安装即可，下载链接h

Aspera Connect命令行工具-ascp

首先，goto Aspera connect，选择linux版本，复制链接地址（这个需要代理下载）

 

wget http://download.asperasoft.com/download/sw/connect/3.7.4/aspera-connect-3.7.4.147727-linux-64.tar.gz  

#解压缩 
tar zxvf aspera-connect-3.7.4.147727-linux-64.tar.gz

# install
bash aspera-connect-3.7.4.147727-linux-64.sh

# check the .aspera directory
cd # go to root directory
ls -a # if you could see .aspera, the installation is OK

# add environment variable
echo 'export PATH=~/.aspera/connect/bin:$PATH' >> ~/.bashrc
source ~/.bashrc   

#密钥备份到/home/的家目录（后面会用，否则报错）
cp ~/.aspera/connect/etc/asperaweb_id_dsa.openssh ~/

# check help file
ascp --help 

恭喜，安装完成，开始下载，感受飞一般的速度

 

 

下载SRA数据：SRA数据库

注意：要找到下载地址，windows需要使用ie浏览器（google不可以）。进入下列网站https://www.ncbi.nlm.nih.gov/projects/faspftp/

若下载sra，依次：sra-sra-instant-reads-ByRun-sra-SRR-SRR###-SRR###$$$-SRR###$$$.sra

比如下载SRR949627.sra文件

ascp -v -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh -k 1 -T -l200m anonftp@ftp-private.ncbi.nlm.nih.gov:/sra/sra instant/reads/ByRun/sra/SRR/SRR949/SRR949627/SRR949627.sra .

如果报ascp: Source file list not specified, exiting，看下最后那个点是否加了，有空格

注意：最后那个.一定要有，表示下载后的路径，我的速度大概5M/s，比起wget和prefetch已经是在奔跑了。

 

 

ENA数据库下载

数据的存放地址是fasp.sra.ebi.ac.uk,ENA在Aspera的用户名是era-fasp,注意，ena可以直接下载fastq.gz文件，不必再从sra文件转换了。地址去ENA搜索，再复制fastq.gz文件的地址，或者去ENA的ftp地址ftp.sra.ebi.ac.uk搜索，注意是ftp不是fasp。

ascp -QT -l 300m -P33001 -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh era-fasp@fasp.sra.ebi.ac.uk:/vol1/fastq/SRR949/SRR949627/SRR949627_1.fastq.gz .

# 上面执行成功忽略下面部分


# 第一次执行上面的报错
ascp: Failed to open TCP connection for SSH, exiting.
Session Stop  (Error: Failed to open TCP connection for SSH)
# 然后看到方法
On many Linux systems the default firewall can be configured with iptables. You will have to allow all incoming and outgoing traffic on UDP port 33001 (or whatever your Aspera UDP port is), which you can do with the following commands:
# iptables -I INPUT -p tcp --dport 33001 -j ACCEPT
# iptables -I OUTPUT -p tcp --dport 33001 -j ACCEPT

# 试过后，还是不行，执行下面这个突然好了，然后上面的也可以了……由于比较忙，没研究、、


ascp -QT -l 300m -P33001 -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh era-fasp@fasp.sra.ebi.ac.uk:/vol1/fastq/ERR036/ERR036000/ERR036000_1.fastq.gz .

至此，完成原始数据下载！！

 

 

2 使用命令行ftp下载

1 wget命令

比如

wget ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByStudy/sra/SRP%2FSRP055%2FSRP055992/SRR1871481/SRR1871481.sra

2 SRA toolkit的prefetch命令

比如，单个下载

prefetch -v SRR925811

或批量下载

for i in `seq 48 62`; 

do 

prefetch SRR35899${i} 

done

 

还可以多个一起下载
先找到要下载的页面，比如https://www.ncbi.nlm.nih.gov/sra，然后右上角，send to-file,format选择accession list，保存为一个file（默认是SraAccList.txt），然后
prefetch $(<SraAccList.txt)

另外，还可以尝试geofetch功能，具体见

https://github.com/pepkit/geofetch

---

总结

虽然相对麻烦，建议还是用Aspera进行下载，速度是真的快。其次是prefetch，最后再是wget

R也很慢。等回头看看有没有快速下载的方法。

 

文章是看这个作者的，遇到一些问题，然后自己改正了写、仅供参考

链接：https://www.jianshu.com/p/81b48f496cd7