菜鸟自学之——SRA Toolkit 的下载和使用

菜鸟自学之——SRA Toolkit 的下载和使用

第一次写博客，必须mark一下：2018.07.27

---

sra toolkit是ncbi上将 .sra文件转换为 .fstaq.gz文件的工具。
1.下载/调用 SRA Toolkit
可以直接在linux里在线下载，要根据自己的系统选择合适的安装版本。我查看了一下主机的linux为redhat类型，没找到这个类型的版本，又去服务器看了一下其他人的sratoolkit版本，都是centos_linux，因而选择这个版本应该是合适的。

wget  https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.9.2/sratoolkit.2.9.2-centos_linux64.tar.gz

不清楚版本可将 2.9.2 替换成 current 。
关于调用，直接调用其他用户路径下的工具（locate sratoolkit）会显示permission denied，显然是设置了权限，无法查看和调用其他用户home目录下的东西。
但是问题来了，按理说这种常用的软件公用系统（不知道这个说法对不对，计算机小白轻喷）里肯定会有，但是我不知道怎么用命令直接调用。

下载好之后解压：

 tar xzvf sratoolkit.2.9.2-centos_linux64.tar.gz

解压缩之后就可以通过绝对路径使用，但为了以后使用方便，可以直接用程序名调用，最好配置一下环境变量。

mv sratoolkit.2.9.2-centos_linux64 ~/local/app/  #移动到指定文件夹
cd ~/local/app/  #进入本地程序安装路径
mv sratoolkit.2.9.2-centos_linux64 sratoolkit #去掉版本号是为了避免因升级而需要修改配置文件

此处参考> http://blog.shenwei.me/local-blast-installation/

接下来是添加环境变量：

vi ~/.bashrc  #用vi/vim编辑器修改bashrc文件
i  #由command line进入insertion line
export PATH=$PATH:/home/urname/local/app/sratoolkit/bin
ESC, :wq  #退出vi编辑器并保存文件
source ~/.bashrc  #让配置生效

上面是配置永久生效的办法，如果只是临时使用，直接在终端中输入：

export PATH=$PATH:/home/urname/local/app/sratoolkit/bin

2.从NCBI的SRA库里下载数据
关于SRA库的基础知识，可以看这里：https://shengxin.ren/article/16
我是跟着 生信技能树 学习他们的 HiC数据分析实战 https://vip.biotrainee.com/d/779-hic ，所以和里面的教程一样，我也只下载了 SRR824846一个测序结果集。
下载数据有两种方法：

wget https://trace.ncbi.nlm.nih.gov/Traces/sra/?run=SRR824846

prefetch SRR824846

---

本来以为高枕无忧了，结果客户端显示连接超时了，只能重登重新下载，请教师兄，学习到了一个让程序后台运行的命令nohup，只要服务器主机没掉线就行，即使关闭了本地终端窗口或者断网了也可以继续执行命令。让进程后台运行的命令有好几种，如nohup/&/disown等，disown是事后补救用的，我没有多了解。一般nohup和&一起用。

nohup 命令可以使命令永久的执行下去，和终端没有关系，退出终端也不会影响程序的运行； & 是后台运行的意思，但当用户退出的时候，命令自动也跟着退出。 那么，把两个结合起来nohup 命令 &这样就能使命令永久的在后台执行。

nohup prefetch SRR824846 &   

如何查看进程？如果命令正在当前终端运行：

jobs -l  #可以查看当前终端生效的进程

如果已经退出，又打开新的终端：

top  #查看所有用户的运行进程，也可以看到自己的进程号

ps -ef|grep urname  ##只查看自己的进程记录

如果要终止后台运行命令：

kill -9 进程号

---

又遇到了一个坑。。在上面修改环境变量的过程中，我是非常马虎地把bashrc文件清空后（因为之前只添加了blast的环境变量，我也没仔细看是否还有其他内容），再添加了新的环境变量。结果用户名的位置变成了-bash-4.1$。google了一下原因， 表明是

没有执行 .bash_profile .bashrc 导致的结果。

解决办法：查了一下网上的教程，据说在 .bash_profile里修改PS1变量就可以了，但我的问题出在 .bashrc上，不敢再动 .bash_profile了。我肯定问题出在bashrc文件里，现在要做的就是把bashrc文件恢复过来，然而我没有备份…这里要敲黑板，.bashrc .bash_profile等环境变量设置文件是很重要的文件，修改不当甚至会无法进入linux系统，所以要谨慎修改并在修改前做好备份！
用系统中存储的.bashrc备份文件恢复到~/目录下

cp /etc/skel/.bashrc ~/

之后退出系统再登录，用户名路径就恢复正常了。

3.文件拆分及格式转换
文件下载完成后放在了home目录下的ncbi/public/sra 文件夹里，可以看到新建了一个SRR824846.sra 文件。在转换文件格式前要清楚sra文件的数据类型，在下载时就能看到其为“paired-end”测序结果。二代测序主要有单端测序和双端测序两种方式，具体内容见：https://vip.biotrainee.com/d/127-paired-end-reads ，以及http://www.bio-info-trainee.com/298.html 。
使用fastq-dump拆分PE文件时有两种常用的参数，--split-files 和--split-3 ，很奇怪，查到以下解释：

–split-spot: 将双端测序分为两份,但是都放在同一个文件中
–split-files: 将双端测序分为两份,放在不同的文件,但是对于一方有而一方没有的reads直接丢弃
–split-3 : 将双端测序分为两份,放在不同的文件,但是对于一方有而一方没有的reads会单独放在一个文件夹里

作者：hoptop
链接：https://www.jianshu.com/p/a8d70b66794c

cd ~/ncbi/public/sra/   #将拆分文件放在sra文件夹里
fastq-dump --split-3 SRR824846   #将双端测序文件拆分为两个reads

打开1文件，得到如图结果：

不过在上一步可以加上-gzip 命令，输出gz的压缩格式，好处是可以节省空间，而且比对软件一般都支持。（参考hoptop的文章：https://www.jianshu.com/p/a8d70b66794c）