为什么有些时候prefetch下载不只一个sra文件

一些SRA文件使用prefetch的时候，会下载多个文件，例如SRR11579188

$ ls
CM000663.2  CM000666.2  CM000669.2  CM000672.2  CM000675.2  CM000678.2  CM000681.2  CM000684.2  J01415.2
CM000664.2  CM000667.2  CM000670.2  CM000673.2  CM000676.2  CM000679.2  CM000682.2  CM000685.2  SRR11579188.sra
CM000665.2  CM000668.2  CM000671.2  CM000674.2  CM000677.2  CM000680.2  CM000683.2  CM000686.2  SRR11579188.sra.vdbcache

你会发现除了一个SRR11579188.sra外，还会多出其他的文件，例如CM000663.2（人类的一号染色体）

经过我的研究，推测这是因为作者上传的实际不是FASTQ文件，而是BAM文件。我们可以在 https://trace.ncbi.nlm.nih.gov/Traces/?view=run_browser&acc={SRR编号}&display=data-access 中看到它的Original Format，你会发现，他是一个BAM。

这也非常合理，因为上传BAM文件时，你需要添加对应的参考基因组。那么问题来了，这种文件怎么提取呢？

其实，最简单的方式就是使用faster-dump

fasterq-dump -3  ./SRR11579188  -O .

如果是双端测序，会输出 SRR11579188_1.fastq和SRR11579188_2.fastq。

还有一种是 sam-dump，导出sam文件。我们之后转成bam格式， 因为本身就排序了，所以你可以直接做一些分析

sam-dump ./SRR11579188 | samtools view -b > SRR11579188.bam

注意，虽然sam-dump选项中有一个--fastq/--fasta，但只能输出一个文件。对于PE数据，你还是需要用到samtools的fastq子命令，但是又不能直接用下面这个命令

sam-dump sra/SRR11579188  | samtools fastq -1 SRR11579188_1.fq -2 SRR11579188_2.fq

这是因为这个sam是按照坐标排序的，你需要按照如下操作。但实际上，可能还是不能用，因为每条read name已经简化成数字了。

samtools sort -n  SRR11579188.sam  >  SRR11579188_sort_by_name.bam
samtools fastq -1 SRR11579188_1.fq  -2 SRR11579188_2.fq  SRR11579188_sort_by_name.bam