首先,朋友下载的数据是sra格式(sequence read archive二代测序数据)
“我们一般从 NCBI SRA 数据库下载的高通量测序数据均为 SRA 数据,需要通过 sra-tools 中的工具转换成 fastq 格式。”
一些背景知识:
SRA数据分类
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
- Samples-- 样品信息
- Runs-- 测序结果集
这四种分类有一个层次关系。首先是Studies->Experiments->Samples->Runs。这也是一个研究项目正常的逻辑关系。了解这个层级关系,否则找sra数据就会感觉比较混乱。
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。
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。