SRA（Sequence ReadArchive）數(shù)據(jù)庫是用于存儲二代測序的原始數(shù)據(jù)，包括 454，Illumina，SOLiD，IonTorrent，Helicos 和 CompleteGenomics。除了原始序列數(shù)據(jù)外，SRA現(xiàn)在也存在raw reads在參考基因的比對信息。

根據(jù)SRA數(shù)據(jù)產(chǎn)生的特點(diǎn)，將SRA數(shù)據(jù)分為，并采用不同的前綴加以區(qū)分：
1) Studies-- 研究課題 (ERP或SRP)：就實(shí)驗(yàn)?zāi)繕?biāo)而言的，一個study 可能包含多個Experiment
2) Experiments-- 實(shí)驗(yàn)設(shè)計(jì) (SRX)：包含了Sample、DNA source、測序平臺、數(shù)據(jù)處理等信息
3) Runs-- 測序結(jié)果集 (SRR)：表示測序儀運(yùn)行所產(chǎn)生的reads
4) Samples-- 樣品信息 (SRS)

SRA中數(shù)據(jù)結(jié)構(gòu)的層次關(guān)系為：Studies -> Experiments -> Samples -> Runs.

1. SRA數(shù)據(jù)庫下載

SRA Toolkit是ncbi下載.sra文件和轉(zhuǎn)換.fastq文件的極好工具

1.1 下載、安裝及環(huán)境配置

# 下載壓縮包
cd ~/software # 進(jìn)入存放工具的文件夾
wget https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.11.0/sratoolkit.2.11.0-ubuntu64.tar.gz

# 解壓
tar xzvf sratoolkit.2.11.0-ubuntu64.tar.gz

# 配置環(huán)境
echo 'export PATH=$PATH:$HOME/software/sratoolkit.2.11.0-ubuntu64/bin ' >> ~/.bashrc
source ~/.bashrc
vdb-config --interactive    # 出現(xiàn)一個框架，按字母x鍵退出即可

# 檢查sratoolkit 的配置
prefetch -V
## "prefetch" version 2.11.0

1.2 下載.sra文件

# 直接輸入SRR號（適用于單個或少數(shù)）
prefetch SRR8956146  --max-size 400G  #下載.sra文件

# 批量下載數(shù)據(jù)
cat SRR_Acc_List.txt （可通過Run Accessions直接獲取或自己編輯txt文件）
## SRR8956146
## SRR8956147
## SRR8956148
## SRR8956149
## SRR8956150
## SRR8956151

prefetch --option-file SRR_Acc_List.txt 

# 多線程下載
cat sra.txt | parallel -j 10 "prefetch {}"

常用參數(shù)：
--max-size：默認(rèn)最大下載大小為20G，若請求的增量大于20G，需增加該限制

SRAToolkit-1

1.3 提取fastq文件

# sratools中的fastq，不能多線程運(yùn)行，耗時較長
fastq-dump --gzip --split-3  SRR8956146.sra -O ./ 

# fasterq-dump增添多線程分析，但不能重命名及壓縮
fasterq-dump --split-files -e 40  SRR8956146.sra -O ./
fasterq-dump --split-files -e 40 --include-technical SRR17555533.sra -O ./ # 10x的SRR需要加--include-technical參數(shù)

# pfastq-dump，并行版fastq-dump
git clone https://github.com/inutano/pfastq-dump # 下載
cd pfastq-dump
chmod a+x bin/pfastq-dump
echo 'export PATH=$PATH:/software/pfastq-dump/bin ' >> ~/.bashrc # 環(huán)境配置
source ~/.bashrc

pfastq-dump --gzip --split-files -t 10  SRR8956146.sra

常用參數(shù)：
--split-3：-3意味分成3個文件。
? 若結(jié)果只有一個文件，說明數(shù)據(jù)不是雙端(第三個文件太大會覆蓋前兩個)；
? 若結(jié)果有兩個文件，說明是雙端文件并且數(shù)據(jù)質(zhì)量比較高(沒有低質(zhì)量的reads或者長度小于20bp的reads)；
? 若結(jié)果有三個文件，說明是雙端文件，但是有的數(shù)據(jù)質(zhì)量不高，存在trim的結(jié)果。
--gzip：輸出gz格式，節(jié)省空間的同時也不會給后續(xù)比對軟件造成壓力
-O ${directory} ：設(shè)置輸出的文件間路徑，outdirectory改為相應(yīng)路徑
-e：設(shè)置多線程的個數(shù)
-t：設(shè)置多線程的個數(shù)