RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱

请关注公众号【叨客学习资料】 在使用网站的过程中有疑问,请来公众号进行反馈哦

转自:表观精准治疗

方法1 windows下使用SRA Toolkit下载

首先在官网下载SRA Toolkit windows版本软件。

图片[1]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

然后解压,安装。

在windows命令行(CMD)中运行以下代码
#存储路径sratoolkit.2.11.0-win64binvdb-config --interactive

进入安装界面

图片[2]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

为了防止各种插件出错,保险起见,选择默认。
按上下键选择,按“s”保存,再按“exit”退出。

然后运行代码查看是否安装成功。
图片[3]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

如图所示既是安装成功

下载数据很方便,进入SRA数据库,选择要下载的数据,下载其SRR_Acc_List.txt文件,在数据存储目录中运行以下代码即可:

#存储路径sratoolkit.2.11.1-win64binprefetch.exe --option-file SRR_Acc_List.txt

 

按照以下方法可找到SRR_Acc_List.txt文件。

第一步 进入目标数据的GEO信息页面,点击红框位置(GEO数据库如何使用,我们随后详细介绍:辛苦大家帮我记住这个坑图片[4]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

图片[5]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

第二步 进入下图页面后点击红框位置,另存为SRR_Acc_List.txt文件至数据存储路径

图片[6]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

开始下载数据会是这样,最后等待下载完成就好了。

图片[7]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

方法2 使用sra-explorer下载

SRA Explorer(https://sra-explorer.info/)可以用来生成SRA数据下载命令

接着上面介绍的,选好数据后,可以找到数据编号(GSE号或SRA数据号都可以,例如上面的就是GSE176393或SRP323246)输入搜索框。操作如下图。

图片[8]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

完成上述三步后会出现这个。

图片[9]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

这里我们可以看到很多关于各种数据类型的URL,你可以选择直接下载FASTQ格式文件,也可以选择下载SRA文件。我选择直接下载fastq格式文件,方便操作。

图片[10]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

出现下载命令后有两个选择,1. 比较笨,在linux子系统中一个一个运行。2. 将命令复制进一个.sh中当做一个shell脚本批量下载。

vim download.shnohup bash download.sh & #后台远行 运行情况写入nohup.out文件中。

 

以上方法可根据每个人的爱好使用,只要网络环境好均可下载。

数据整理

如果使用方法二下载,可直接使用进行后续分析

如果使用方法一下载,会将.sra数据存入以数据编号建立的文件夹中,需要先将数据全部整理入一个文件夹进行操作,这样会方便很多。

上代码!

##设置一个循环可以批量操作mkdir downloadcat SRR_Acc_List.txt | while read linedomv $line/$line.sra download/$line.sradone

 

图片[11]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

随后应用fasterq-dump将.sra数据转换为.fastq数据,

fasterq-dump需要在WSL上安装,运行以下代码即可安装:

conda install -c bioconda sra-tools=2.11.0
##安装完成后先查看一下fasterq-dump的帮助信息,看看如何使用
fasterq-dump -h

Usage: fasterq-dump [ options ] [ accessions(s)... ]

Parameters:

  accessions(s)                    list of accessions to process


Options:

  -o|--outfile <path>              full path of outputfile (overrides usage
                                     of current directory and given accession)
  -O|--outdir <path>               path for outputfile (overrides usage of
                                     current directory, but uses given
                                     accession)
  -b|--bufsize <size>              size of file-buffer (dflt=1MB, takes
                                     number or number and unit where unit is
                                     one of (K|M|G) case-insensitive)
  -c|--curcache <size>             size of cursor-cache (dflt=10MB, takes
                                     number or number and unit where unit is
                                     one of (K|M|G) case-insensitive)
  -m|--mem <size>                  memory limit for sorting (dflt=100MB,
                                     takes number or number and unit where
                                     unit is one of (K|M|G) case-insensitive)
  -t|--temp <path>                 path to directory for temp. files
                                     (dflt=current dir.)
  -e|--threads <count>             how many threads to use (dflt=6)
  -p|--progress                    show progress (not possible if stdout used)
  -x|--details                     print details of all options selected
  -s|--split-spot                  split spots into reads
  -S|--split-files                 write reads into different files
  -3|--split-3                     writes single reads into special file
     --concatenate-reads           writes whole spots into one file
  -Z|--stdout                      print output to stdout
  -f|--force                       force overwrite of existing file(s)
  -N|--rowid-as-name               use rowid as name (avoids using the name
                                     column)
     --skip-technical              skip technical reads
     --include-technical           explicitly include technical reads
  -P|--print-read-nr               include read-number in defline
  -M|--min-read-len <count>        filter by sequence-lenght
     --table <name>                which seq-table to use in case of pacbio
     --strict                      terminate on invalid read
  -B|--bases <bases>               filter output by matching against given
                                     bases
  -A|--append                      append to output-file, instead of
                                     overwriting it
     --ngc <path>                  <path> to ngc file
     --perm <path>                 <path> to permission file
     --location <location>         location in cloud
     --cart <path>                 <path> to cart file
  -V|--version                     Display the version of the program
  -v|--verbose                     Increase the verbosity of the program
                                     status messages. Use multiple times for
                                     more verbosity.
  -L|--log-level <level>           Logging level as number or enum string.
                                     One of
                                     (fatal|sys|int|err|warn|info|debug) or
                                     (0-6) Current/default is warn
     --option-file file            Read more options and parameters from the
                                     file.
  -h|--help                        print this message

\"fasterq-dump\" version 2.11.0

 

通过help文档可以确定,我们的双端测序,所以需要把文件分成两个,故设置参数–split-files;由于fasterq-dump不能直接生成.gz压缩文件,所以后续还需手动压缩节省分析数据所用的空间。

mkdir rawdata #建立一个存储数据的文件夹

##结合目的选择好参数,开始批量转换
cat SRR_Acc_List.txt | while read line
do
fasterq-dump -e 12 --split-files download/$line.sra -O rawdata
done

 

图片[12]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网
faster-dump的运行速度很快。接下来运行一行命令就可以批量压缩。
  •  
gzip *.fastq
图片[13]-RNA-Seq数据分析准备—SRA数据下载及整理—科研工具箱-叨客学习资料网

得到这样的数据就可以很方便地进行下面的分析啦。

 

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享
评论 抢沙发
头像
请输入有效评论哦,肆意灌水或者乱打评论是不会通过的,会影响您评论后获得资源哦~~
提交
头像

昵称

取消
昵称表情

    暂无评论内容