如何从SRA数据库下载二代测序数据?

SRA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 Complete Genomics。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。

很多课题组有进行二代测序的需求,但苦于经费问题最后都退而求其次选择从数据库中挖掘已有数据,今天我们就来一波十分钟入门之如何从SRA数据库下载测序原始数据。此处我以下载一个小RNA测序数据为例,简单介绍测序数据下载。

1)登入NCBI的SRA数据库https://www.ncbi.nlm.nih.gov/sra/点选SRA Toolkit Documentation。

2)在SRA Toolkit Documentation页面点选SRA Toolkit Installation and Configuration Guide。

3)通过链接或命令行方式下载SRA Toolkit(推荐使用红框中链接下载,下载后解压就可以使用了,亲测很方便)。解压后可以看到里面有一个bin文件夹,该文件夹中存有各种测序下载和数据格式转换工具。此处展示了bin文件夹中的部分工具,红框中的prefetch和fasterq-dump工具稍后会用到,prefetch用来下载数据,fasterq-dump将数据转换为fastq格式,方便后续分析。

4)下载工具准备完毕,现在可以来搜索一下感兴趣的研究内容。此处我挑选了一个人类肺癌样本的小RNA测序数据SRR7189582。

6)打开命令行界面,在存储有SraAccList.txt文件的路径下调用SRA Toolkit中的prefetch命令按照下图中设置参数下载数据。数据下载需要一定的时间,下载过程中没有进度提示(我也很绝望),下载成功后会提示成功

7)下载完成后,调用fastq-dump命令处理下载好的数据,参数设置如图示。格式转换过程较快,处理完成后会在现有路径下找到文件fastq格式(FASTQ是一种存储了生物序列(通常是核酸序列)以及相应的质量评价的文本格式)的测序数据文件。

到这里为止,我们就成功的从SRA数据库下载到了一个测序数据。小伙伴们可以赶快尝试起来。有兴趣的同学还可以用fastqc等质控软件分析一下下载数据的质量,做些初步的处理,帮助后续的分析和挖掘。

如果想要了解更多数据下载的细节可以登入NCBI的SRA数据库https://www.ncbi.nlm.nih.gov/sra/ 点选Download Guide页面查看。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181029B0I2H900?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券