我们通常用wget
或curl
下载文件,然而由于 NCBI 和 EBI 网站都在国外,有时候下载速度非常慢,如果文件特别大,就可能非常难受甚至是不可能完全的任务了,这时可用 aspera 进行高速下载。
首先进入aspera 官方网站,找到「IBM Aspera Connect」,进入下载页面,找到对应的版本与平台,这里以 Linux 平台最新的 3.10.0 版本为例进行介绍。
# 下载
wget https://ak-delivery04-mul.dhe.ibm.com/sar/CMA/OSA/092u0/0/ibm-aspera-connect-3.10.0.180973-linux-g2.12-64.tar.gz
# 解压
tar xvf ibm-aspera-connect-3.10.0.180973-linux-g2.12-64.tar.gz
# 解压后得到一个脚本文件,运行该脚本,即可完成自动安装
sh ibm-aspera-connect-3.10.0.180973-linux-g2.12-64.sh
# 所有安装文件都在~/.aspera/connect目录下,添加环境变量
echo 'export PATH=~/.aspera/connect/bin/:$PATH' >> ~/.bashrc
# 使环境变量生效
source ~/.bashrc
# 查看ascp可执行文件所在的路径,应该是:~/.aspera/connect/bin/ascp
which ascp
# 看程序是否能正常运行
ascp -h
NCBI 中数据的下载链接通常为
https://ftp.ncbi.nlm.nih.gov/refseq/release/viral/viral.2.1.genomic.fna.gz
需要去除前面的域名,用如下命令下载,注意最后有一个点.
,表示文件下载到当前目录并且保持原文件名
ascp -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh -l 100M -k 1 -T anonftp@ftp.ncbi.nlm.nih.gov:/refseq/release/viral/viral.2.1.genomic.fna.gz .
同理,从 EBI 网站下载千人基因组数据
ascp -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh -l 100M -T -P33001 fasp-g1k@fasp.1000genomes.ebi.ac.uk:vol1/ftp/release/20100804/ALL.2of4intersection.20100804.genotypes.vcf.gz .
先将要下载的文件的路径放入一个文件file.lst
中,比如
/refseq/release/viral/viral.1.1.genomic.fna.gz
/refseq/release/viral/viral.2.1.genomic.fna.gz
然后使用命令
ascp -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh -l 100M -T -k1 --mode recv --host ftp.ncbi.nlm.nih.gov --user anonftp --file-list file.lst .
「主要参数」
❝-i 免密从 NCBI 或 EBI 下载的私钥,安装完成就有,位于
~/.aspera/connect/etc/asperaweb_id_dsa.openssh
-l 最大下载速度,如 100M -k 断点续传,通常设为 1 -T 无需加密传输 --host 服务器域名,NCBI 为 ftp.ncbi.nlm.nih.gov,EBI 下载千人基因组为 fasp.1000genomes.ebi.ac.uk -P 用于 SSH 认证的 TCP 商品,一般是 33001 --user 用户名,NCBI 为 anonftp,EBI 下载千人基因组为 g1k --mode 传输模式,上传为 send,下载为 recv ❞
「参考」
Aspera 官网:https://www.ibm.com/products/aspera/downloads?list
Aspera 使用说明 1:https://www.ibm.com/support/pages/downloading-data-ncbi-command-line#usage
Aspera 使用说明 2:https://www.internationalgenome.org/faq/how-download-files-using-aspera
「如果你是初学者,可以看看我之前写的生信分析环境搭建教程」