linux下载测序数据,数据分析1-使用ascp下载高通量测序数据.sra

1.下载安装ascp；

win10现在可以安装wsl，下载数据到本地非常方便。我使用的是Ubuntu 18.04.在特定目录下载安装ascpwget http://download.asperasoft.com/download/sw/connect/3.6.2/aspera-connect-3.6.2.117442-linux-64.tar.gz

tar -xvf aspera-connect-3.6.2.117442-linux-64.tar.gz

sh aspera-connect-3.6.2.117442-linux-64.sh

将ascp添加至当前用户的环境变量vim ~/.bashrcexport PATH=/mnt/inspurfs/home/zhaoct/biosource/miniconda3/envs/fastqc/bin:$PATH

export PATH="/home/andy/.aspera/connect/bin:$PATH"

source ~/.bashrc

2.得到目标文件的下载地址；

2.1.通过文章链接GSEXXX...或者直接在NCBI搜索关键字得到PRJNA 编号。

理解一下几个前缀，以下是引用内容：SRP(项目)—>SRS(样本)—>SRX(数据产生)—>SRR(数据本身)

SRA(Sequence ReadArchive)数据库是用于存储二代测序的原始数据，包括 454，Illumina，SOLiD，IonTorrent，Helicos 和 CompleteGenomics。除了原始序列数据外，SRA现在也存在raw reads在参考基因的比对信息。

根据SRA数据产生的特点，将SRA数据分为四类：

Studies-- 研究课题

Experiments-- 实验设计

Runs-- 测序结果集

Samples-- 样品信息

SRA中数据结构的层次关系为：Studies->Experiments->Samples->Runs.

Studies是就实验目标而言的，一个study 可能包含多个Experiment。

Experiments包含了Sample、DNA source、测序平台、数据处理等信息。

一个Experiment可能包含一个或多个runs。

Runs 表示测序仪运行所产生的reads。

SRA数据库用不同的前缀加以区分：

ERP或SRP表示Studies；

SRS 表示 Samples；

SRX 表示 Experiments；

SRR 表示 Runs；

2.2得到ascp可以识别的下载地址

在https://www.ebi.ac.uk/ena/browser/view/PRJNA428970

搜索，勾选需要的SRA，下载tsv格式。包含sample_accessionexperiment_accessionrun_accessionfastq_md5fastq_aspera。当然也可以得到.fq的地址，直接下载之，便无需使用fastq-dump拆分。(之后都直接下载.fq这样就免得再做拆分。)

比如：experiment_accessionrun_accessionsra_ftp

SRX3540809SRR6449842ftp.sra.ebi.ac.uk/vol1/srr/SRR644/002/SRR6449842

修改ascp命令行，只需要修改vol1之后即可。

如果是下载fqascp -QT -l 500m -P 33001 -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh era-fasp@fasp.sra.ebi.ac.uk:/vol1/fastq/SRR205/005/SRR2050895/SRR2050895.fastq.gz .ascp -QT -l 500m -P 33001 -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh era-fasp@fasp.sra.ebi.ac.uk:/vol1/srr/SRR205/004/SRR2050904 .

这是下载sra。

3.开始下载；

输入命令开始下载，默认的下载路径是当前的工作目录。