专栏首页生物信息学下载NCBI SRA数据的最佳方法

下载NCBI SRA数据的最佳方法

高通量的原始数据通常情况下会上传到NCBI的SRA(Sequence Read Archive)数据库。当我们需要用到这些数据的时候,就需要合适的方法来下载。

常见的下载方法:

  1. aspera 工具下载
  2. wget, curl 命令直接下载
  3. NCBI官方的 SRA Toolkit 进行下载

很多教程建议使用 aspera 来实现高速下载,但是很多时候折腾配置了很久,结果下载并不稳定或者由于端口或者网络代理等原因没有能成功下载,并提示如下的错误:

ascp: Failed to open TCP connection for SSH, exiting.Session Stop  (Error: Failed to open TCP connection for SSH)

NCBI也做出了如下声明:

As of early 2019, the SRA is starting to make use of additional forms of storage media, which are less useful over Aspera's fasp protocol. Files stored in these media may not be accessible via ascp and have triggered creation of some issues to report the problem.

即2019开始,SRA数据库的数据存储方式做出了改变,使用ascp来下载数据可能会带来其他的一些问题。

wget 等命令也是非常方便的下载工具。用它们来下载小数据是十分合适的,但是对于动辄以GB 甚至TB来计数的高通量数据,wget的优势就并不明显了。如果程序中断,或者网络原因下载中断,你又得重新下载。

同样,NCBI也指出了wget可能存在不能完整下载全部数据的问题。

There are several reasons why direct use of ascp (or curl, wget, etc) is not recommended. The main reason is that they are likely to only retrieve a portion of the data required.

所以,最稳定最安心的方法是使用SRA Toolkit中的 prefect来下载。

下载安装SRA Toolkit:

https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software

下载二进制(binaries)版本,下载下来即可使用,不需要编译安装。

解压后加入环境变量。

使用 prefect 下载数据:

方法一:

直接指定Run编号进行下载,如:SRR1482462

prefetch SRR1482462

方法二:

批量下载一个Project的所有Run/Sample :

先进入其中一个run的页面,点击“All run”

然后点击“Accession List”,会下载一个名为“SRR_Acc_List.txt”的文件,这个文件里面有所有run的编号。

使用如下命令批量下载 (放入后台不中断下载:nohup cmd &):

nohup prefetch -O . $(<SRR_Acc_List.txt) &

Note:

1. aspera 在下载其他数据库(如EBI)的数据时,仍然是十分不错的工具

2. 下载完之后,可以用如下命令批量解压:

for f in *.sra
do
nohup fastq-dump --split-3 $f &
done

3. 如果你有其他的更好的下载方法,欢迎留言或者私信后台交流~

参考:

https://github.com/ncbi/sra-tools

https://github.com/ncbi/sra-tools/wiki/HowTo:-Access-SRA-Data

本文分享自微信公众号 - 生物信息学(swxxx1),作者:阿凡亮

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-09-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 单倍型分析软件Haploview的安装(Windows)

    Haploview是一个用来进行单倍型分析的软件,该软件是基于图形界面,用法简单,操作方便。采用该软件可以进行如下的分析:

    阿凡亮
  • 一文搞定参考基因组序列下载

    各位小伙伴我们又见面了,在接下来的日子我们会给大家带来超硬核知识点。请大家带好小板凳,一起认真做笔记吧。

    阿凡亮
  • 教你用clusterProfiler实现其它来源富集结果的可视化

    在对功能富集分析的结果进行可视化的时候,大家肯定都听过Y叔的R包clusterProfiler,这个包可以说是富集分析结果可视化的神器,不仅画出来的图好看,而且...

    阿凡亮
  • CDB无法下载备份失败处理方法

    使用CDB的过程中有需要下载备份,日志的需求,如下载冷备份文件,binlog文件,慢查询,错误日志等,可以通过在控制台下载,下载方式为:1. 通过内网(确保...

    HappyLau谈云计算
  • 论坛贴吧博客图片美化版IP-签名档开源源码

    本站大部分下载资源收集于网络,只做学习和交流使用,版权归原作者所有,若为付费资源,请在下载后24小时之内自觉删除,若作商业用途,请到原网站购买,由于未及时购买和...

    空木白博客
  • 如何优雅的设计数据导出功能?

    对于一些报表性的后台,有些会提供数据导出功能。如果查询维度过多又都是耗时操作,那就像是开了潘多拉盒子,会造成比较恶劣的后果。

    Criss@陈磊
  • 利用flutter_downloader插件在Flutter中实现文件下载

    之前有做一个工具集的微信小程序「开挂Lite」,但是由于小程序自身限制,没有办法实现下载文件的功能,只能把下载链接解析出来。而且受限于微信平台,小程序的审核是一...

    出其东门
  • 推荐一款超级下载利器工具,突破网盘的下载限制

    目前随着网盘一步一步的关闭或者收费,目前能用的网盘已经不多了,百度网盘目前是为数不多的,暂时没有关闭或者收费的网盘。但是我们都知道,下载网盘里的东西的时候,各种...

    非著名程序员
  • 攻击者正在向云端转移

    最近研究Legion Loader恶意软件时,研究人员偶然发现了一个下载装置,从云服务下载执行恶意有效负载。在寻找其他类似的样本发现:8,000个URL,10,...

    FB客服
  • 限速?封号?不存在的!百度网盘高速不封号下载工具

    ❶下载文件,32位操作系统使用X86版本,64位系统使用X64版本,macOS/Linux使用jar文件。

    课代表

扫码关注云+社区

领取腾讯云代金券