NCBI 介绍以及参考基因组SRA数据下载大全

NCBI中常用到的数据功能：1.下载参考基因组  2.下载相关测序数据，构建进化树

1.下载参考基因组

https://www.ncbi.nlm.nih.gov/datasets/genome/

要下一个标准菌株，查看它的标准注释文件，蛋白翻译，直接在上述链接中就可以下载2.下载测序相关数据-SRA

SRA（Sequence Read Archive）数据库是NCBI(National Center for Biotechnology Information)旗下用于存储高通量测序数据的子库。archive是档案的意思来自世界各地研究的测序数据在此处都可以免费下载，用于比对或者进化树构建，流行病学分析。SRA 是全球最大的高通量测序数据存储库，包含各种类型的测序数据，如 DNA、RNA、转录组、宏基因组等

SRA基本框架SRP,DRP,ERP等，其实编号的含义很简单：

第一个字母：表示样本最初被上传到的源数据库，NCBI会同步EBI和DDBJ的数据，同步后会保留源数据的来源信息。

S – NCBI’s SRA database  

E – EBI’s database   

D – DDBJ database  

第二个字母：固定为"R"，代表Read第三个字母：数据的类型，可以是项目、样本、实验或RUN

R – Run   

X – Experiment   

S – Sample   

P – Project / study  

SRA数据库的组织框架是基于 STUDY, SAMPLE, EXPERIMENT, RUN 四个概念构建的。

STUDY/Project ：研究课题/研究项目， 和NCBI的库数据库里面的项目相关联 , 检索号(accession number) 通常以前缀 SRP,DRP,ERP 开头(例如SRP000544)。

SAMPLE ：样本信息， 和NCBI的子库[BioSample]数据库里面的样本相关联，检索号(accession number) 通常以前缀 SRS,DRS,ERS 开头(例如SRS001487) 。

EXPERIMENT : 实验信息, 一次实验包含了一个或多个样本进行一个多多个RUN的测序。检索号(accession number) 通常以前缀 SRX,DRX,ERX 开头。

RUN：RUN通俗理解就是测序仪运行一次产生的测序数据，是 SRA 里面最小的概念，该编号通常直接链接到对应某一个/对fastq下机的文件。检索号 (accession number) 通常以前缀 SRR,DRR,ERR 开头。

SRA数据下载

1.SRA-Toolkit 工具进行下载：

这种方式自然要先安装 SRA-Toolkit，可以直接下载对应的二进制包，解压即可使用。 对应的下载安装链接为https://github.com/ncbi/sra-tools/wiki/02.-Installing-SRA-Toolkit，

最稳定最安心的方法是使用SRA Toolkit中的 prefect来下载

prefetch，srapath ， fastq-dump都是常用的工具集

#prefetch：下载 .sra 文件到本地prefetch SRR1234567

fastq-dump：将 .sra 文件转换为 FASTQ 格式

#单端数据fastq-dump SRR1234567

#双端数据fastq-dump --split-files SRR1234567

#自定义输出目录fastq-dump --outdir /path/to/output/ SRR1234567fasterq-dump

#高速下载和转换替代 fastq-dump，更快更高效fasterq-dump fasterq-dump -e 8 SRR1234567

sam-dump将 .sra 文件转换为 SAM 格式

sam-dump SRR1234567 > output.sam

vdb-dump提取 .sra 文件中的元数据。

vdb-dump SRR1234567 --info

2.wget/curl 下载

使用 wget 或 curl 下载 SRA 数据是另一种从 NCBI 获取文件的常用方法，尤其适合需要通过脚本进行自动化下载的场景。这种方式主要依赖于 NCBI 提供的 FTP 服务

wget等命令也是非常方便的下载工具。用它们来下载小数据是十分合适的，但是对于动辄以GB 甚至TB来计数的高通量数据，wget的优势就并不明显了。如果程序中断，或者网络原因下载中断，你又得重新下载。同样，NCBI也指出了wget可能存在不能完整下载全部数据的问题

这个方式主要是要获取ftp链接复制下载链接，使用wget/curl下载即可。

wget https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/ERR009357/ERR009357.4

嫌麻烦的话也可以通过 srapath 获取对应下载链接：

#srapath获取ERR009357的下载链接$ srapath ERR009357https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/ERR009357/ERR009357.4#wget下载$ wget https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/ERR009357/ERR009357.4#curl 下载$ curl https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/ERR009357/ERR009357.4

后面会更新批量下载SRA数据的文章和视频，

以及可以方便下载的github工具