SRA数据下载（通过EBI-ENA数据库，使用ASpera）

SRA数据下载（通过EBI-ENA数据库，使用ASpera）

这是本人的第一篇文章，欢迎浏览提问，我会在最快时间内答复，谢谢大家。
本文主要是针对新手下载SRA数据过程，我本人已亲自实践有效。按照本文下载SRA数据，需要提前安装Linux系统（常用CentOs或Ubuntu）。需要一定的Linux系统的操作命令认识以及生信知识（包括NCBI数据库检索等）。
需要注意：登录NCBI或EBI-ENA数据库时可能会比较卡或容易失败，那么你可能需要外网登录。

1. SRA简识

1.1 SRA数据

一种储存高通量测序数据格式。高通量测序：即NGS和TGS，通常数据产出在几十到几百MB不等

1.2 各种检索号

PRJNA：study_acession
SRP：secondary_study_accession（DRP,ERP）
SAMN：sample_accession
SRS：secondary_sample_accession（DRS,ERS）
SRX：experiment_accession
SRR：run_accession（DRR,ERR）
SRA：submission_accession
如果你想要更多了解SRA数据，请自行查找其他资料。

2. 举例——SRX5327410数据集

以SRX5327410数据集为例，进行后续的数据检索与下载。

2.1 NCBI数据库——观察SRX5327410数据集

打开NCBI，输入检索号SRX5327410，选择数据库：SRA
该数据集包括39个SRR，是由Pacbio使用Sequel I测序仪进行的三代测序（小分子实时测序，SMRT），文库类型是CCS-13.5kb。
物种：Homo sapiens。

2.2 EBI-ENA数据库——确定需要下载数据集的下载地址

因为EBI-ENA数据库可以直接提供fastq格式测序文件，省去了sra文件转fastq文件的时间
EBI-ENA数据库，检索SRX5327410，点击View获得结果，点击Show Column Selection，选择run_accession，fastq_aspera，sra_aspera这三项。点击Hide Column Selection
点击Download report后的TSV，得到一个文件filereport_read_run_SRX5327410_tsv.txt

2.3 使用ASpera或Aspera_cli下载sra数据

2.3.1 安装ASpera或Aspera_cli

查看博文——Aspera和Aspera_cli软件的安装和使用

2.3.1 批量下载fastq数据

cd /home/zhaohuiyao/Database/SRX5327410/
#上传文件filereport_read_run_SRX5327410_tsv.txt
awk '{if(NR>1){split($2,arr,":"); print arr[2]}}' filereport_read_run_SRX5327410_tsv.txt > SRX5327410_download_fq.txt
#如果想下载sra数据
awk '{if(NR>1){split($3,arr,":"); print arr[2]}}' filereport_read_run_SRX5327410_tsv.txt > SRX5327410_download_sra.txt


#开始下载
conda activate aspera-cli
ascp -i /home/zhaohuiyao/miniconda3/pkgs/aspera-cli-3.9.6-h5e1937b_0/etc/asperaweb_id_dsa.openssh -l 200M -k 1 -T --mode recv --host fasp.sra.ebi.ac.uk --user fasp --file-list SRX5327410_download_fq.txt ./
conda deactivate 

#另一种方式
conda activate aspera-cli
cat SRX5327410_download_fq.txt | while read line; do ascp -i /home/zhaohuiyao/miniconda3/pkgs/aspera-cli-3.9.6-h5e1937b_0/etc/asperaweb_id_dsa.openssh -l 200M -k 1 -T fasp@fasp.sra.ebi.ac.uk:$line ./; done
conda deactivate

2.4 下载某一个SRR检索号的文件（以SRR8858432为例）

EBI-ENA数据库官网：http://ftp.sra.ebi.ac.uk/，依据序列号进入vol1/srr/SRR885/002/SRR8858432

conda activate aspera-cli
ascp -i /home/zhaohuiyao/miniconda3/pkgs/aspera-cli-3.9.6-h5e1937b_0/etc/asperaweb_id_dsa.openssh -l 200M -k 1 -T fasp@fasp.sra.ebi.ac.uk:/vol1/fastq/SRR885/002/SRR8858432/SRR8858432_subreads.fastq.gz ./
conda deactivate

2.5 至此所需的高通量测序数据已下载完成

但如果你下载的是sra数据，不管是从NCBI还是EBI-ENA上，那么你需要将其转为fq文件。需要软件sratoolkit
NCBI下载的是.sra后缀文件，EBI-ENA数据库下载的sra文件没有后缀

2.5.1 sratoolkit的安装

Github官网：https://github.com/ncbi/sra-tools/wiki/01.-Downloading-SRA-Toolkit，选择与自己的Linux相匹配的安装包（sratoolkit.3.0.7-ubuntu64.tar.gz）

cd /home/zhaohuiyao/Biosoft
#上传安装包sratoolkit.3.0.7-ubuntu64.tar.gz
tar -xzvf sratoolkit.3.0.7-ubuntu64.tar.gz
cd sratoolkit.3.0.7-ubuntu64/
cd bin/
#可执行文件位置：/home/zhaohuiyao/Biosoft/sratoolkit.3.0.7-ubuntu64/bin

2.5.2 sra文件转fq文件，主要用到两个命令

cd /home/zhaohuiyao/Database/SRX5327410/
/home/zhaohuiyao/Biosoft/sratoolkit.3.0.7-ubuntu64/bin/fastq-dump --gzip SRR8858433
#或者
/home/zhaohuiyao/Biosoft/sratoolkit.3.0.7-ubuntu64/bin/fasterq-dump -e 24 -p SRR8858433
#-e：线程数
#-p：显示过程

#批量转sra文件
cd /home/zhaohuiyao/Database/SRX5327410/
cuf -f 1 filereport_read_run_SRX5327410_tsv.txt > SRR_Acc_List.txt
cat SRR_Acc_List.txt | while read line; do /home/zhaohuiyao/Biosoft/sratoolkit.3.0.7-ubuntu64/bin/fasterq-dump -e 24 -p $line -O ./; done

此上是本人下载SRX5327410数据集所踩过的所有的坑，但是最后成功了，现在分享给大家，如有问题欢迎提问质疑。