专栏首页生信技能树北京基因组所数据库介绍(类似sra和ebi)

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。,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)。

本文分享自微信公众号 - 生信技能树(biotrainee),作者:芒果

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:2020-05-18

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

  • SRA数据库的数据并不一定要在SRA数据库下载

    在GEO下载测序数据,首先要找到GSE号,然后找到SRR号,最后prefetch就0K了!

    生信技能树
  • 你打boss我捡宝贝可好-向R包作者致敬(R包安装)

    http://www.ituring.com.cn/article/273090

    生信技能树
  • 文章测序数据下载碰到的问题的小总结(南京站学员分享)

    全国巡讲南京站过去还不到一周,学员们课后练习都很拼,微信群答疑对话一不留神就几百条了,爱学习的你是最美丽的!

    生信技能树
  • 通过Kafka, Nifi快速构建异步持久化MongoDB架构

    本文将描述如何利用Apache Kafka(消息中间件),Apache Nifi(数据流转服务)两个组件,通过Nifi的可视化界面配置,快速构建异步持久化Mon...

    MongoDB中文社区
  • js的arguments分析

    执行结果中可以发现,argument和函数的参数列表中的变量是有关联的,这里假设函数的实参和形参个数是一样的。这个结果的背后到底是怎么回事,看了一下es5的ar...

    theanarkh
  • Android 史上最优雅的实现文件上传、下载及进度的监听

    本文将直接使用RxHttp库实现文件上传、下载、断点下载、进度的监听,不对RxHttp做过多讲解,如果对RxHttp不了解,可以先去查阅相关资料先行了解,本文目...

    Android技术干货分享
  • 【独家】颠覆传统,告诉你一个不同于数据库的计算体系

    本文共2282字,建议阅读7分钟 本文为大家解读结构化数据的前沿动态。 [导读]数据库是当前数据分析中最重要的数据存在形式,但受其封闭性和关系代数四十年没有关键...

    数据派THU
  • 一步步教你怎么用python写贪吃蛇游戏

    前几天,星球有人提到贪吃蛇,一下子就勾起了我的兴趣,毕竟在那个Nokia称霸的年代,这款游戏可是经典中的经典啊!而用Python(蛇)玩Snake(贪吃蛇),那...

    Python进击者
  • 你为什么实现不了财务自由?

    ? 机会就摆在人们面前,但大多数人从来看不到这些机会,因为他们忙着追求金钱和安定,所以只能得到这些。如果你们能看到一个机会,就注定你们会在一生中不断发现机会。...

    腾讯大讲堂
  • 记一次审计 xiaocms 的过程

    周末在家刚吃完晚饭,基友 DM 叫我一起来审计 xiaocms 系统,也不知道他是受到啥刺激了。正好,除了 Code Review 公司项目代码及框架代码,未审...

    信安之路

扫码关注云+社区

领取腾讯云代金券