SRA下载工具fastq-dump参数理解

fastq-dump是常用用来下载NCBI原始测序SRA数据的工具，但是它的参数也是比较杂乱，我根据查到的数据说下我的体会

--outdir             # 输出文件夹名

--gzip                                    # 使用gzip压缩结果 （目的是减少占用硬盘大小）

--skip-technical                    #  只输出biological reads，不然会technical reads输出，而technical reads不是我们想要的

--split-files                            #  把pair-end测序分成两个文件输出

--fasta                  # 直接输出fasta格式，且每行的字符数是

--readids                              #  在每个reads的名字后面加上后缀 .1 和 .2，用于区分 pair-end 测序中的一对reads

--origfmt                               # 显示原始格式，便于追踪来源，同时可以显示长度信息

--dumpbase                        # 确保输出的是A, T, C, G （对于SOLiD测序会输出颜色，其他这个参数是默认的）

--offset               # 对早期的数据进行转化 （默认是33，不要乱改）

--minSpotId         # 输出从minSpotId到maxSpotId的reads，一个spot可能包含多个reads (多数情况会相等)

--maxSpotId        # 输出从minSpotId到maxSpotId的reads，一个spot可能包含多个reads (多数情况会相等)

--minReadlen      # 过滤短reads

--clip                                      #去除标签

--aligned                               #只输出能align到human genome上的

--read-filter      "pass"           #去除全是N的reads

--stout                                   #直接把结果输出到屏幕上

别忘了加最后一个参数，就是数据名称 SRRxxxxxxxxxx

经典的代码是

fastq-dump  --outdir file_name  --gzip  --skip-technical   --readids  --read-filter  pass  --dumpbase --split-files  --clip   SRR_ID

参考自      https://edwards.sdsu.edu/research/fastq-dump