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

Figure2：搜索相关研究的疾病，选择相应数据集

Figure3：点击第一个案例进入详细信息界面

Figure4：Study详细信息页面

Figure4：Experiments详细信息页面

Figure4：Runs详细信息页面，选择要下载的Runs

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。