NIH-HPC

NIH-HPC 为用户维护了数以千计的各种科学程序，软件包和数据库。

SRA-Toolkit

简介

sra是公共数据库，如NCBI的一种基本数据格式，而SRA-Toolkit 主要用于数据下载和格式转换，能将sra格式的文件转换为 .fstaq.gz，sam，abi，sff等常用格式；NCBI上的官方文档推荐用户使用SRA-Toolkit( prefetch)进行 SRA data 下载。

常用命令

fastq-dump: Convert SRA data into fastq format

prefetch: Allows command-line downloading of SRA, dbGaP, and ADSP data

sam-dump: Convert SRA data to sam format

sra-pileup: Generate pileup statistics on aligned SRA data

vdb-config: Display and modify VDB configuration information

vdb-decrypt: Decrypt non-SRA dbGaP data ("phenotype data")

abi-dump: Convert SRA data into ABI format (csfasta / qual)

illumina-dump: Convert SRA data into Illumina native formats (qseq, etc.)

sff-dump: Convert SRA data to sff format

sra-stat: Generate statistics about SRA data (quality distribution, etc.)

vdb-dump: Output the native VDB format of SRA data.

vdb-encrypt: Encrypt non-SRA dbGaP data ("phenotype data")

vdb-validate: Validate the integrity of downloaded SRA data

Tips： NCBI Large Data Download Best Practices

linux下载和安装

下载

wget \
-O " sratoolkit.tar.gz" \ 
"ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/current/sratoolkit.current-centos_linux64.tar.gz"

解压

tar \
-xzf sratoolkit.tar.gz

如果不将 Toolkit的功能模块 (fastq-dump, sam-dump, etc.) 放到PATH环境变量，调用起来可能会很麻烦，最好还是配置一下。

# 移动到指定文件夹
mv sratoolkit.2.9.2-centos_linux64 ~/local/app/  
   
# 进入本地程序安装路径
cd ~/local/app/  
   
# 去掉版本号
mv sratoolkit.2.9.2-centos_linux64 sratoolkit

临时环境变量（每次开机都需配置一次）

export PATH=$PATH:...(yourfile)/local/app/sratoolkit/bin

PATH环境变量（设置一次后，开机自动激活）

#用vi/vim编辑器修改bashrc文件
vim ~/.bashrc

#插入路径
i 
export PATH=$PATH:/home/urname/local/app/sratoolkit/bin

#退出vi编辑器并保存文件
Esc | :wq 

# 重启终端使设置生效，或
source ~/.bashrc

下载SRA数据

通过prefetch 下载SRR390728数据

prefetch -X 200KB SRR390728

通过fastq-dump 下载fastq 数据

fastq-dump -X 5 -Z SRR390728

通过简单的bash

vim mybash.sh

#!/bin/bash 
cd /data/$USER/mydir
module load sratoolkit
fastq-dump -X 5 -Z SRR390728

# 运行脚本，或
sh mybash.sh

# 使脚本具有执行权限
chmod +x ./ mybash.sh
#执行脚本
./ mybash.sh