NCBI SRA数据库使用详解 |
您所在的位置:网站首页 › sra阅读介绍 › NCBI SRA数据库使用详解 |
1、简介 SRA(Sequence ReadArchive)数据库是用于存储二代测序的原始数据,包括 454,Illumina,SOLiD,IonTorrent,Helicos 和 CompleteGenomics。除了原始序列数据外,SRA现在也存在raw reads在参考基因的比对信息。 根据SRA数据产生的特点,将SRA数据分为四类: Studies-- 研究课题 Experiments-- 实验设计 Runs-- 测序结果集 Samples-- 样品信息 SRA中数据结构的层次关系为:Studies->Experiments->Samples->Runs. Studies是就实验目标而言的,一个study 可能包含多个Experiment。 Experiments包含了Sample、DNA source、测序平台、数据处理等信息。 一个Experiment可能包含一个或多个runs。 Runs 表示测序仪运行所产生的reads。 SRA数据库用不同的前缀加以区分: ERP或SRP表示Studies; SRS 表示 Samples; SRX 表示 Experiments; SRR 表示 Runs; Figure1.SRA数据库收录数据增长曲线
2、使用
3、下载数据 要下载SRA数据,我们需要先安装SRA Toolkit软件包,下载地址: https://www.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=software 根据自己的环境下载相应的软件包。 主要包括: CentOS 32/64 Ubuntu 32/64 MacOS 32/64 MS Windows 32/64 以CentOS为例: 1、下载安装: wget "http://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/current/sratoolkit.current-centos_linux64.tar.gz" tar xzf sratoolkit.current-centos_linux64.tar.gz 2、运行下载 cd sratoolkit.2.5.7-centos_linux64/bin ./prefetch SRR2172038 下载完成后,会在你的工作主目录下生成一个ncbi的文件夹。 cd ncbi/public/sra 查看SRR2172038.sra数据 3、转换fastq /sratoolkit.2.5.7-centos_linux64/bin/fastq-dump ./SRR2172038.sra 4、转换fasta /sratoolkit.2.5.7-centos_linux64/bin/fastq-dump --fasta ./SRR2172038.sra
4、数据提交 一个 SRA study 所包含的内容, 应该在一个 LSBI 的项目中提交。 即 SRA study 和 LSBI项目为 1 对 1 关系。 一个 study 的内容可以在一个项目下, 分成几个批次提交, 每次提交不同的内容。 一个批次的 SRA 数据, 包括一个.info 文件和一个名为 DATA, 装有提交原始文件的子文件夹。 子文件夹中内容为描述 metadata 的 xml 文件或者 sff 等格式的数据文件。 一个完整的 study, 包括一个或多个 study.xml, experiment.xml, sample.xml 和 run.xml, 以及一个或多个数据文件。 但是一个批次的提交数据不一定包括所有的文件。 Run.xml 和该 xml 中包括的所有数据文件, 必须要在一个批次中提交。 请先确认您已是数据中心网站注册的用户, 否则请登陆中心网站,注册。 登陆中心网站后,点击左侧菜单的 mydata,选择已有项目或创建新项目。 选择已有批次或创建新批次。 在创建批次时, 选择要提交的数据类型为“SRA”。 在点击批次下的 submit data 按钮后, 进入提交页面。 首先下载离线提交附件( subdesc.bch), 作为离线提交的标识文件, 是离线提交必须的附件之一。 按照 SRA 的数据格式标准, 处理生成数据文件, 连同标识文件一起, 通过提交页面上显示的路径( 为 ftp://shengxin.ren:1221/SRA/****/) 上传至服务器指定目录。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |