前言:
NCBI数据库上的数据存储,是sra格式的,这样的格式将文本数据压缩的很小,而我们的测序下机数据一般是fastq格式的,所以我们下载完之后要利用sratoolkit进行解压
安装环境:
Centos Linux release 7.8.2003 (Core)
Sratoolkit.2.10.8-Centos_linux64
Sratoolkit安装和简单使用
进入到指定的软件目录:
cd /home/biological/biosoftware
Sratoolkit软件官网:
https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software
从网址中下载安装包,下载命令:
wget https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.10.8/sratoolkit.2.10.8-centos_linux64.tar.gz
解压:
tar xzvf sratoolkit.2.10.8-centos_linux64.tar.gz
添加全局变量:
echo "export PATH=$PATH:/home/biological/biosoftware/sratoolkit.2.10.8-centos_linux64/bin" >> ~/.bash_profilesource ~/.bash_profile
这样只能使用单线程处理,为了加快速度,我们安装多线程极速版,下载链接如下:
链接:https://pan.baidu.com/s/1qOHnNtqzVWQ3m8UbtGTmtg提取码:va83
解压之后将bin文件夹的pfastq-dump放入sratookit的bin文件夹,并且修改执行权限
chmod a+x pfastq-dump
Sratoolkit原版及加速版的Sratoolkit软件到此就安装完毕了,可以利用fastq-dump –version和pfastq-dump –version命令检测是否正确安装fastq-dump和pfastq-dump,截图如下:
测试数据我们用NCBI数据库中的编号为“SRR12062121”的数据,如果觉得麻烦也可以从下面的链接下载数据练习:
链接:https://pan.baidu.com/s/1P8C_SIopSlDfQ7kt5peQfA提取码:zsbz
如果想获取软件的使用说明或者其他帮助,可以利用pfastq-dump -h命令获取详细的技术文档。如下所示:
当我们要利用sratoolsratoolkit软件将数据格式转换为fastq 的话,需要用到以下命令(如果数据是双端测序,那么就要写入 --split-e 这个参数,如果是单端测序则不需要加):
-t:需要用到的线程数(越多速度越快,但是要按照自己机器的配置来选)
-s:要转换的SRA数据的ID
-O:输出目录
--gzip:可以选择输出的格式为zip的形式,也可以正常输出,后续的处理软件面对完全解压或者是压缩包两种格式都可以处理,所以按照自己电脑的配置来选择合适的参数调整命令:
进入到测试数据的目录下
cd /home/biological/biodata/test/RNAseq
所以我们利用pfastq-dump这个工具,利用8个线程将SRR12062121这个双端测序的sra格式文件转换成fastq格式并输出到/home/biological/biodata/test/RNAseq_out/目录下:
命令及测试截图如下:
pfastq-dump --gzip -s SRR12062121 --split-e -t 8 -o /home/biological/biodata/test/RNAseq_out/
这时候我们进入到/home/biological/biodata/test/RNAseq_out/文件夹下:
cd /home/biological/biodata/test/RNAseq_out/
可以看到我们需要的数据已经转换完完毕:
这时候可以利用
less SRR12062121_1.fastq.gz
命令查看转换完毕后的fastq文件了: