北京基因组所数据库介绍（类似sra和ebi）
基因组学在生物学科的发展中，具有划时代的意义。同时，很多人在刚进入生物信息学领域时，最先接触的也往往是组装基因组，注释基因组。这在我们生信技能树的公号里有详细的教程，需要者可去公号get资源。前面jimmy老师介绍了sra和ebi这两个高通量测序数据存放中心：
其实在中国也有类似sra和ebi的数据库资源存放中心，下面让我们去了解下如何从中科院北京基因组所下载数据。
首先，当你进入中科院北京基因组所的官网时，会看到各种介绍，最先看到的是对GSA数据的介绍。为确保与国际同类数据库系统的兼容性，GSA遵循INSDC联盟的数据标准，GSA元数据类别主要包括：项目信息（BioProject）、样本信息（BioSample）、实验信息（Experiment）、以及测序反应（Run）信息。
顾名思义，项目信息是用来描述所开展研究的目的、涉及物种、数据类型、研究思路等信息；样本信息是指本研究涉及的生物样本描述，如样本类型、样本属性等；实验信息包括实验目的、文库构建方式、测序类型等信息；测序反应信息包括测序文件和对应的校验信息。你，详（想）看下图所示：
至于元数据的组织关系，一个Run里放一对paired-end测序数据文件。网站使用三株菌株的比较基因组数据做了详细介绍，想看的同志可以移步https://bigd.big.ac.cn/gsa/documents。不同的是，GSA的数据库将生物学重复作为不同的Biosample，技术性重复作为不同的experiments。
下面进入正题（开始blablabla）…
Question 1
如何从下载data捏？
way1：
第一步：从官网进入，需要注册登录BIG Sub系统，在GSA数据库列表中，找到Operation有个“Share”控件。又要拿图说话了（图真好用！）:
第二步：点击“Share”，会生成如下图所示的分享链接，复制该链接并提供给编审，其即可以查看数据。Again，如图所示：
Way2：
通过FTP传输数据，相当高效叻，想学的同志们，要注意听讲了哈！
单刀直入数据下载界面https://bigd.big.ac.cn/gsa/
点进去啊！同志们！选择自己需要下载的数据，比如我需要的数据网站是ftp://download.big.ac.cn/gsa/CRA000167
那么，问题来了，下载子文件夹中的一个很好下载，如果下载thousands of GSA data 肿么办呢？
憋慌，姐姐已经提前给你解决这个问题了。你们表太幸福啊。
Solution1：使用FTP传输软件进行下载，举个栗子哈，filezilla（不管你是苹果还是Windows，都好用到哭啊）或者winSCP。
Solution2: 使用wget啊，这可是入门生信的同志们最先接触的命令啊（想当年我也用wget下载第一个软件时可是兴奋得不要不要滴呀）BUT，光用wget 也只能一次下载一个数据文件，别慌，加参数啊 还记得Linux里面常用的迭代吗？-r 好用到飞起来啊。Wget -r
ftp://download.big.ac.cn/gsa/CRA000167
就可以批量下载数据啦（我太快乐了）关键是 还能按照网站存放数据那样，一个一个的文件夹分层次，真棒！当然，你也可以用循环，譬如我刚学的while 循环啦 for 循环了，也是相当好用。至于如何使用循环语句批量下载GSA的FTP数据，且听下回分解啦哈哈。最后，咱也是与时俱进的银耳啊，在如今Python盛行的era，可不能忘了他。使用Python的scrapy也是阔以爬数据滴，至于怎么使用爬虫爬取数据，且听下下回分解哈。
Question 2
如何向网站提交数据呢？
这个只能按照人家网站的规矩来咯!
账户注册完成后，您可遵循以下原则进行数据信息录入：
1) 进入GSA数据库创建GSA
2) 如果您之前没有创建项目（BioProject）和样本（BioSample）请分别进入BioProject数据库和BioSample数据库完成创建，详见GSA使用说明。
3) 完成GSA数据集中Experiment和Run的元数据信息录入——实现与BioProject、BioSample和数据文件的相互关联。
4) 通过FTP完成数据文件上传。
如果你有很多很多的数据需要批量提交的话呢？也肯定可以的了。
第一步，通过BIG Sub数据统一汇交入口，进入GSA数据库
第二步，点击“Batch Submission”进入“批量上传表格”下载页面，请根据提示信息下载相应的表格模板与例子，填好后请发送至gsa@big.ac.cn。
最后，还是要重磅推荐FTP传输tools啊，没办法，谁让人家办事能力强捏。
请使用 FTP客户端软件（比如FileZilla Client）登录 FTP 服务器。请采用二进制模式上传，如果是用FTP软件上传，请参考软件说明进行设置；如果是用FTP指令上传，请在“mput”指令前，先运行“binary”指令。
FTP服务器地址:ftp://submit.big.ac.cn
用户账号与BIG sub账号一致。
注意：用户登录自己的FTP路径后，先cd 到 /GSA目录下再上传文件。
数据上传完毕后，GSA后台系统需要进行相应的审核，请耐心等待并密切关注系统和邮箱的情况反馈。
Question 3
什么是md5码？怎么算？
Well，人网站也给介绍了呢。
MD5码主要是用来校验递交的数据在网络传输过程中是否损坏或丢包，它是由数字和英文字母组成的长度为32的定长字符串。
♦ Linux用户请使用$md5sum命令计算；
♦ Mac用户请使用$md5命令计算；
♦ Windows用户请使用第三方工具进行计算，例如winmd5free。
介绍到这，你应该会从北京基因组所中心下载和提交数据了叭，给你一个任务：
上面截图里面的数据来源于百度李彦宏的食管癌文章的508个病人的全基因组测序，你试试看能不能申请下载它！
如果你要是想问能提交什么类型的数据，网站是酱紫说滴：推荐提交FASTQ或BAM格式的测序文件。其中，FASTQ格式数据只接收GZIP和BZIP2两种压缩格式的文件(不接收7-ZIP、RAR、TAR格式)。