NCBI SRA数据库使用详解
转：https://shengxin.ren/article/16
https://www.cnblogs.com/lmt921108/p/7442699.html
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；
使用：
搜索相关研究的疾病，选择相应数据集
点击第一个案例进入详细信息界面
Study详细信息页面
Experiments详细信息页面
Runs详细信息页面，选择要下载的Runs
3、下载数据
要下载SRA数据，我们需要先安装SRA Toolkit软件包，下载地址：
https://www.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software
根据自己的环境下载相应的软件包。
主要包括：
-
CentOS 32/64
-
Ubuntu 32/64
-
MacOS 32/64
-
MS Windows 32/64
以CentOS为例：
1、下载安装：
wget “http://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/current/sratoolkit.current-centos_linux64.tar.gz”
tar xzf sratoolkit.current-centos_linux64.tar.gz
2、运行下载
cd sratoolkit.2.5.7-centos_linux64/bin
./prefetch SRR2172038
下载完成后，会在你的工作主目录下生成一个ncbi的文件夹。
cd ncbi/public/sra
查看SRR2172038.sra数据
3、转换fastq
/sratoolkit.2.5.7-centos_linux64/bin/fastq-dump ./SRR2172038.sra
4、转换fasta
/sratoolkit.2.5.7-centos_linux64/bin/fastq-dump –fasta ./SRR2172038.sra
批量下载SRA数据
1.新建文件，命令为prefetch_bash.sh (感觉命名简单粗暴啊)
vi prefetch_bash.sh
#!/bin/bash
for id in $(seq 1 5) #记住该语法
do
prefetch SRR35899${id}
done
3.给文件一个可执行权限
chmod +755 frefetch_bash.sh
4.添加环境变量或者将其move到/usr/bin即可
添加环境变量：
vi ~/.bashrc
export PATH=/home/lmt/biosoft/data:$PATH
保存之后需source ~/.bashrc
或者move
move ./frefetch_bash.sh /usr/bin这样可以直接使用
5.利用prefetch_bash.sh批量下载所需的SRR文件
在终端输入：prefetch_bash.sh
下载的SRR数据默认存放在：/home/lmt/ncbi/public/sra里