2018-6-15转录组学习1 文献阅读与数据下载

1.文献阅读

本次作业中阅读的文献为AKAP95 regulates splicing through scaffolding RNAs and RNA processing factors. Nat Commun 2016 Nov 8;7:13347. PMID: 27824034

从文献中可以得到RNA-seq数据存放在GSE81916中，在NCBI中选择GEO，搜索GSE81916可以得到使用Sratoolkits下载该数据包的SRA编号

需要下载的RNA-seq数据是SRR3589956-62

这些数据在NCBI的ftp网址是 ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByStudy/sra/SRP/SRP075/SRP075747 ，这一网址可以分为几个部分：
1. 公共部分（所有SRA数据部分）： ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sra-instant/reads
2. reads表示存放reads数据，在FTP可以看到另一个选项是analysis，表示分析结果
3. ByStudy表示根据Study进行分类，其他还可以根据实验ByExp,根据Run,ByRun.
4. 其他剩余网址是根据SRA编号进行的分类

2 数据下载

2.1 apsera的安装与配置

apsera是一种快速下载工具，能够以较快（相对于Sratoolkits的prefetch命令）的速度下载NCBI中的GEO数据。
软件下载与配置:
1. 使用wget 下载
http://101.96.8.140/d3gcli72yxqn2z.cloudfront.net/connect/bin/aspera-connect-3.7.4.147727-linux-64.tar.gz 解压缩后执行sh文件安装
软件默认安装后在/home目录下会生成.aspera文件夹，其中asp的可执行文件ascp路径为~/.aspera/connect/bin/ascp
asp的秘钥文件存放在~/.aspera/connect/etc
可执行文件需要添加到PATH变量，由于本机使用了zsh，所以vim ~/.zshrc，输入export PATH=”/home/usrname/.aspera/connect/bin:$PATH”，添加配置文件后 source ~/.zshrc

2. 下载SRR数据:
aspc按照 $ ascp [参数] 目标文件 目的地址的路径使用
常用参数有：
-T 不进行加密。若不添加此参数，可能会下载不了。
-i string 输入私钥，安装 aspera 后有在目录 ~/.aspera/connect/etc/ 下有几个私钥，使用 linux 服务器的时候一般使用 asperaweb_id_dsa.openssh 文件作为私钥。
–host=string ftp的host名，NCBI的为ftp-private.ncbi.nlm.nih.gov；EBI的为fasp.sra.ebi.ac.uk。
–user=string 用户名，NCBI的为anonftp，EBI的为era-fasp。
–mode=string 选择模式，上传为 send，下载为 recv。
-l string 设置最大传输速度，比如设置为 200M 则表示最大传输速度为 200m/s。若不设置该参数，则一般可达到10m/s的速度，而设置了，传输速度可以更高。

对于本次作业，由于需要下载的数据较多（SRR3589956-62），可以编写一个脚本进行批量下载：

for i in `seq 58 62`;                                                   
do
ascp -T -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh anonftp@ftp-private.ncbi.nlm.nih.gov:/sra/sra-instant/reads/ByStudy/sra/SRP/SRP075/SRP075747/SRR35899${i}/SRR35899${i}.sra ./
done

以上就是本次学习的内容，发现的问题主要在于对于linux环境下软件配置的不了解，以后会加强这方面的学习。