2021-05-23 批量下载sra文件及转换为fastq

数据下载

for ((i=594;i<=670;i++));
do
wget ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByStudy/sra/SRP/SRP105/SRP105176/SRR5479$i/SRR5479$i.sra;
done &

数据转换

ls *sra |while read id;
do
/home/chen/sratoolkit.2.8.2-ubuntu64/bin/fastq-dump --gzip --split-3 $id;
done &

数据质控

# Fastqc 进行质控
ls *fq | while read id; do fastqc -t 4 $id; done &

# multiqc：质控结果批量查看
multiqc *fastqc.zip --export &

数据过滤

## trimmomatic 

# 安装 trimmomatic
wget -c http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic/Trimmomatic-0.38.zip &
unzip Trimmomatic-0.38.zip

# 数据清理
# -threads 设置多线程运行
java -jar "/data/chen/biosoft/Trimmomatic-0.38/trimmomatic-0.38.jar" PE -threads 2 -phred33 \

# 2个输入文件
${name}_1.fq.gz ${name}_2.trim.fq.gz \

# 4个输出文件
${name}_R1.clean.fq.gz ${name}_R1.unpaired.fq.gz \
${name}_R2.clean.fq.gz ${name}_R2.unpaired.fq.gz \

# ILLUMINACLIP:去接头
# "$adapter"/Exome.fa ：adapter 序列的 fasta 文件
# 2：16 个碱基长度的种子序列中可以有 2 个错配
# 30：采用回文模式时匹配得分至少为30 (约50个碱基)
# 10：采用简单模式时匹配得分至少为10 (约17个碱基)
ILLUMINACLIP:"$adapter"/Exome.fa:2:30:10 \

# LEADING:3，从序列的开头开始去掉质量值小于 3 的碱基；
# TRAILING:3，从序列的末尾开始去掉质量值小于 3 的碱基；
# SLIDINGWINDOW:4:15，从 5' 端开始以 4 bp 的窗口计算碱基平均质量，
# 如果此平均值低于 15，则从这个位置截断 read；
# HEADCROP: 在reads的首端切除指定的长度；
# MINLEN:36， 如果 reads 长度小于 36 bp 则扔掉整条 read。
LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 HEADCROP:10 MINLEN:36