如何下载生物数据（四）：SRA数据下载

欢迎订阅WX众号：基因学苑，更多精彩内容等你发掘！
基因学苑Q群：32798724

应用场景：
如果自己没有测序数据，比如Pacbio数据，nanopore数据等，想要测试一些软件，或者想重复文章的内容，就需要从SRA数据库下载数据。

SRA数据库介绍
https://www.ncbi.nlm.nih.gov/sra/
SRA（Sequence ReadArchive）数据库是NCBI用于存储二代测序的原始数据，包括 454，Illumina，SOLiD，IonTorrent等。我们经常会看到文献中给出数据名字为SRA然后后面接一些数字。我们根据这个SRA的ID就可以进行下载了，然后进行数据的分析，重复文献的分析内容。

根据SRA数据产生的特点，将SRA数据分为四类：

Studies-- 研究课题

Experiments-- 实验设计

Samples-- 样品信息

Runs-- 测序结果集

SRA数据分类
这四种分类有一个层次关系。首先是Studies->Experiments->Samples->Runs。这也是一个研究项目正常的逻辑关系。了解这个层级关系，否则找sra数据就会感觉比较混乱。
一个study可能包含多个Experiment，Experiments包含了Sample、DNA source、测序平台、数据处理等信息。
SRA数据库用不同的前缀加以区分：

ERP或SRP表示Studies；

SRS 表示 Samples；

SRX 表示 Experiments；

SRR 表示 Runs。

SRA数据下载
sra数据的下载可以通过网页端下载，但是比较不方便。NCBI官方提供了SRA Toolkit软件包来进行下载。
https://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software
软件的下载比较容易，都是编译好的版本，选择对应的体统，下载之后解压缩就可以使用了。也可以使用bioconda直接进行安装，需要注意的是软件的名字在bioconda中是sra-bools。

conda install sra-tools
软件的用法也比较简单，根据命名我们就可以看出来，它是一个处理sra格式文件的工具包。可以用来管理和操作sra数据库的资源，里面包含了很多工具。可以处理多种测序平台的数据，这些工具大部分根据命名就知道功能。
fastq-dump: 最常用的，讲SRA数据转换为fastq格；
prefetch: 下载sra数据
sam-dump: 将 SRA 转换为sam格式，如果原始数据是sam或bam，就需要使用这个工具；
sra-pileup: 生成 pileup统计结果，pileup是堆叠的意思，类似于samtools的pileup；
还有一些不太常用的工具。
abi-dump: 处理abi格式数据；
sff-dump: 处理454测序数据；由于abi和454测序数据越来越少，相应的工具也不是特别重要了。
illumina-dump: 将sra转换为illumina原始的qseq文件；
sra-stat: 统计sra文件
vdb-config，vdb-decrypt，vdb-dump，vdb-encrypt，vdb-validate处理vdb格式数据。
软件

案例演示
这里我们要下载PRJNA257197的数据。如果想知道数据的具体信息，比如数据是什么样品，采用哪种平台测序的，测序长度是多少，测序深度是多少，都可以到SRA网站上去查。
首先可以使用esearch 搜索sra数据库。看这个项目下都有哪些数据。esearch默认的结果是xml格式，需要使用efetch进行解析。efetch来自NCBI另一款工具edirect。

esearch -db sra -query PRJNA257197 | efetch -format runinfo > info.csv
这里面有很多数据，选择其中一个作为演示。直接使用prefetch进行下载。如果系统中安装了Asprea，prefetch会调用aspera进行下载，还是很方便的。如果不在默认路径下，可以通过-a选项指定。
我们下载一个SRA数据，SRR1972917，直接输入SRA ID即可。

prefetch SRR1972917
注意事项
1、prefetch下载的数据在home目录下的ncbi目录里。

ll ~/ncbi/public/
2、默认下载的是sra格式数据，可以使用fastq-dump将sra转换为fastq了。

fastq-dump --gzip --split-3 SRR1972917.sra
3、其实，也可以直接使用fastq-dump下载数据，下载之后直接即使fastq格式，不过还是选择prefetch比较好，因为sra数据格式比fastq格式占用空间较小，下载速度快；另一方面，sra也方便断点续传。

#直接利用fastq-dump下载数据
fastq-dump --split-files SRR1972917
---------- END ----------