SRA数据下载的一个坑

前两天协助处理GEO数据上的一个单细胞数据，发现了一个巨坑，这里分享下，希望大家能避开。

需要下载的数据集是，GSE119562，查询SRA Run Selector，找到它对应的SRR编号。

于是，我非常熟练的用prefetch下载数据。

prefetch -O . SRR7791895

接着用fasterp-dump转换格式

fasterp-dump -3 -O . SRR7791895

但是，很奇怪，结果只有一个文件！但是单细胞测序起码要有两个文件，一个记录UMI+Barcode，另一个是转录本序列，显然哪里出现了问题。

我又看了看前面的输出信息，发现输出日志里有dependency相关的信息。这让我想起了之前SRA数据下载的问题，就是当上传为BAM文件的时候，才会出现这个情况。

也就是说，原作者上传的一共是BAM文件，而这个SRA文件显然经过了有损压缩了！那我们如何获取原来的数据呢？

我们点击SRA RUn Selector中Run列中的样本，如SRR7791895，就会跳转到https://trace.ncbi.nlm.nih.gov/Traces/index.html?run=SRR7791895。在其中的Data access中，就有一个Original format，里面存放的就是原作者上传到NCBI的数据。里面Access Type为anoymous的对应的链接就是下载链接。

然而并不是所有的原始数据都能能公开下载的，很大一部分都需要用到NCBI的Cloud Data Delivery，参考如何下载SRA存放在AWS的原始数据。