NCBI SRA数据库使用详解----学习笔记

• 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,lonTorrent, 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：

1. studies--研究课题
2. experiments--实验设计
3. runs--测序结果集
4. samples--样品信息

• SRA中数据结构的层次关系：studies->experiments->samples->runs
• 一个study可能包含多个experiment
• experiment包含了sample、DNA source、测序平台、数据处理等信息。
• 一个experiment可能包含一个或者多个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：

1. ERP或者SRP表示studies
2. SRS表示samples
3. SRX表示experiments
4. SRR表示runs

• BioSample数据库包含实验测定中使用的生物来源材料的描述。BioSample的序号以SAMN开头，然后会与SRA数据库中的SRS序列号相对应。