一、寫(xiě)在前面
最近在下載GSA數(shù)據(jù)的時(shí)候發(fā)現(xiàn)一個(gè)小工具iSeq煤蹭，簡(jiǎn)直太好用了笔喉，分享給大家！
iSeq的GitHub鏈接：https://github.com/BioOmics/iSeq（iSeq竟然配了一個(gè)中文教程）
Aspera和AXEL奄毡，竟然還支持直接獲得樣本的二贝或、下載iSeq
iSeq目前已經(jīng)同步到了Bioconda吼过，因此使用conda下載非常方便：
# 為了環(huán)境內(nèi)軟件不沖突，盡量創(chuàng)建一個(gè)新環(huán)境
conda create -n iseq -c conda-forge -c bioconda iseq
conda activate iseq
# 查看是否安裝成功
iseq --help
不過(guò)咪奖，有時(shí)候在Windows內(nèi)置的Ubuntu雖然安裝成功盗忱，但是conda環(huán)境中的wget無(wú)法正常使用，導(dǎo)致iSeq不能訪問(wèn)數(shù)據(jù)羊赵，這應(yīng)該是conda內(nèi)部DNS轉(zhuǎn)換出現(xiàn)了問(wèn)題趟佃，因此在Windows內(nèi)置的Ubuntu還要查看一下下面的代碼是否正常。
# 能正常下載就可以
wget www.baidu.com
# 看看能不能訪問(wèn)到SRA文件的連接
srapath SRR1178105
# 彈出：https://sra-pub-run-odp.s3.amazonaws.com/sra/SRR1178105/SRR1178105
如果異常昧捷，可以查看文末的問(wèn)題解決方案闲昭。
三、使用iSeq
iSeq的使用非常簡(jiǎn)單靡挥，就直接給它各大數(shù)據(jù)庫(kù)的accession號(hào)就可以了序矩，下面我介紹幾個(gè)。不過(guò)跋破，iSeq也給出了非常多的使用例子以供參考簸淀。
1. 直接把ENA/SRA數(shù)據(jù)庫(kù)一個(gè)項(xiàng)目里面的數(shù)據(jù)批量全部下載下來(lái)
iseq -i PRJNA211801
2. 直接把GSA數(shù)據(jù)庫(kù)一個(gè)項(xiàng)目里面的數(shù)據(jù)批量全部下載下來(lái)
- 這通過(guò)
華為云盤(pán)下載也太快了把
iseq -i CRA000553
3. 直接獲得單個(gè)樣本的fastq文件。
:
GSA數(shù)據(jù)庫(kù)中只能直接獲取gz壓縮的fastq文件或者bam等文件毒返，SRA/ENA數(shù)據(jù)庫(kù)可以選擇-q獲得單個(gè)樣本的fastq文件啃擦，或者-g直接下載樣本的fastq.gz文件
iseq -i SRR1178105 -q
4. 使用
高速下載
直接使用iSeq的-a參數(shù)就好
iseq -i SRR1178105 -a
: 通過(guò)
iSeq訪問(wèn)GSA數(shù)據(jù)庫(kù)的時(shí)候，如果華為云的鏈接存在饿悬，即使使用-a參數(shù)，iSeq也會(huì)自動(dòng)跳轉(zhuǎn)到華為云聚霜，如：
iseq -i CRR311377 -a
5. 僅獲取metadata的信息
看了一下狡恬，樣本的信息非常全面珠叔，包括發(fā)育階段，取材部位弟劲，脅迫條件等祷安，再也不用手動(dòng)去一個(gè)個(gè)找了。
iseq -i PRJNA211801 -m
6. 批量下載
cat SRR_Acc_List.txt | while read Run; do
iseq -i $Run -a -g
done
-
SRR_Acc_List.txt就是一行一個(gè)accession號(hào)碼組成的文本文件
批量下載
四兔乞、iSeq的具體參數(shù)解釋
-
-i,--input: 輸入你想下載的accession汇鞭，首先獲取accession的metadata，然后逐一對(duì)包含在內(nèi)的Run ID進(jìn)行下載庸追。 -
-m,--metadata: 只下載accession的樣本信息霍骄，跳過(guò)測(cè)序數(shù)據(jù)的下載。 -
-g,--gzip: 直接下載gzip格式的FASTQ文件淡溯，如果不能直接下載读整，則會(huì)下載SRA文件并通過(guò)多線程分解和壓縮轉(zhuǎn)換為gzip格式。 -
-q,--fastq: 將下載完成的SRA文件分解為多個(gè)未壓縮的FASTQ格式咱娶。 -
-t,--threads: 指定分解SRA文件為FASTQ文件或者壓縮FASTQ文件的線程數(shù)米间，默認(rèn)為8。 -
-e,--merge: 將Experiment中的多個(gè)FASTQ文件合并為一個(gè)FASTQ文件膘侮。 -
-d,--database: 指定下載SRA文件的數(shù)據(jù)庫(kù)屈糊，支持ena和sra兩種數(shù)據(jù)庫(kù)。 -
-p,--parallel: 開(kāi)啟多線程下載琼了，需要指定下載的線程數(shù)逻锐。 -
-a,--aspera: 使用Aspera進(jìn)行下載。
五表伦、iSeq支持的accession格式
目前支持以下5個(gè)數(shù)據(jù)庫(kù)的6種數(shù)據(jù)格式谦去，支持的accession前綴如下：
| Databases | BioProject | Study | BioSample | Sample | Experiment | Run |
|---|---|---|---|---|---|---|
| GSA | PRJC | CRA | SAMC | \ | CRX | CRR |
| SRA | PRJNA | SRP | SAMN | SRS | SRX | SRR |
| ENA | PRJEB | ERP | SAME | ERS | ERX | ERR |
| DDBJ | PRJDB | DRP | SAMD | DRS | DRX | DRR |
| GEO | GSE | \ | GSM | \ | \ | \ |
其中對(duì)于來(lái)自于GEO數(shù)據(jù)庫(kù)的兩種數(shù)據(jù)格式GSE/GSM，會(huì)直接獲取到與之關(guān)聯(lián)的PRJNA/SAMN蹦哼，然后獲取到包含在內(nèi)的Run ID并進(jìn)行測(cè)序數(shù)據(jù)的下載鳄哭。因此，本質(zhì)上還是從SRA數(shù)據(jù)庫(kù)中下載測(cè)序數(shù)據(jù)纲熏。
以下是一些例子：
| Accession Type | Prefixes | Example |
|---|---|---|
| BioProject | PRJEB, PRJNA, PRJDB, PRJC, GSE | PRJEB42779, PRJNA480016, PRJDB14838, PRJCA000613, GSE122139 |
| Study | ERP, DRP, SRP, CRA | ERP126685, DRP009283, SRP158268, CRA000553 |
| BioSample | SAMD, SAME, SAMN, SAMC | SAMD00258402, SAMEA7997453, SAMN06479985, SAMC017083 |
| Sample | ERS, DRS, SRS, GSM | ERS5684710, DRS259711, SRS2024210, GSM7417667 |
| Experiment | ERX, DRX, SRX, CRX | ERX5050800, DRX406443, SRX4563689, CRX020217 |
| Run | ERR, DRR, SRR, CRR | ERR5260405, DRR421224, SRR7706354, CRR311377 |
六妆丘、iSeq詳細(xì)的pipeline
七、問(wèn)題解決方案
使用Ubuntu on Windows時(shí)局劲，通過(guò)
conda安裝Wget可能會(huì)導(dǎo)致“unable to resolve host address”的問(wèn)題勺拣，這反過(guò)來(lái)可能阻止iSeq獲取數(shù)據(jù)。你可以選擇不通過(guò)conda安裝wget鱼填∫┯校或者，也可以通過(guò)執(zhí)行以下命令來(lái)解決這個(gè)問(wèn)題：conda activate iseq # 將系統(tǒng)自帶的wget映射到conda中 ln -sf /usr/bin/wget $(which wget) # 包括srapath，這個(gè)是sratoolkit中自帶的愤惰，可以自行安裝后更改下方下方路徑為你自己的苇经。 ln -sf ~/pathway/sratoolkit/bin/srapath $(which srapath)
八、寫(xiě)在后面
獲取NGS數(shù)據(jù)之后宦言，就要看各位分析數(shù)據(jù)扇单，解析問(wèn)題的能力了，這可能才是關(guān)鍵吧奠旺，祝好蜘澜！
