一、写在前面
最近在下载GSA数据的时候发现一个小工具iSeq，简直太好用了，分享给大家！
iSeq的GitHub链接：https://github.com/BioOmics/iSeq（iSeq竟然配了一个中文教程）
iSeq-Pipeline.png
上图是它的pipeline, 可以看出目前支持了4大主流数据库（我国的GSA，美国的SRA，英国的ENA，和日本的DDBJ）同时访问下载高通量测序数据Aspera和AXEL，竟然还支持直接获得样本的二、下载iSeq
iSeq目前已经同步到了Bioconda，因此使用conda下载非常方便：
# 为了环境内软件不冲突，尽量创建一个新环境
conda create -n iseq -c conda-forge -c bioconda iseq
conda activate iseq
# 查看是否安装成功
iseq --help
不过，有时候在Windows内置的Ubuntu虽然安装成功，但是conda环境中的wget无法正常使用，导致iSeq不能访问数据，这应该是conda内部DNS转换出现了问题，因此在Windows内置的Ubuntu还要查看一下下面的代码是否正常。
# 能正常下载就可以
wget www.baidu.com
# 看看能不能访问到SRA文件的连接
srapath SRR1178105
# 弹出：https://sra-pub-run-odp.s3.amazonaws.com/sra/SRR1178105/SRR1178105
如果异常，可以查看文末的问题解决方案。
三、使用iSeq
iSeq的使用非常简单，就直接给它各大数据库的accession号就可以了，下面我介绍几个。不过，iSeq也给出了非常多的使用例子以供参考。
1. 直接把ENA/SRA数据库一个项目里面的数据批量全部下载下来
iseq -i PRJNA211801
SRA数据库数据下载
2. 直接把GSA数据库一个项目里面的数据批量全部下载下来
- 这通过
华为云盘下载也太快了把
iseq -i CRA000553
GSA数据库数据下载
3. 直接获得单个样本的fastq文件。
:
GSA数据库中只能直接获取gz压缩的fastq文件或者bam等文件，SRA/ENA数据库可以选择-q获得单个样本的fastq文件，或者-g直接下载样本的fastq.gz文件
iseq -i SRR1178105 -q
直接获得单个样本的fastq文件
4. 使用
高速下载
直接使用iSeq的-a参数就好
iseq -i SRR1178105 -a
使用Aspera高速下载
: 通过
iSeq访问GSA数据库的时候，如果华为云的链接存在，即使使用-a参数，iSeq也会自动跳转到华为云，如：
iseq -i CRR311377 -a
GSA华为云下载
5. 仅获取metadata的信息
看了一下，样本的信息非常全面，包括发育阶段，取材部位，胁迫条件等，再也不用手动去一个个找了。
iseq -i PRJNA211801 -m
仅获取metadata的信息
6. 批量下载
cat SRR_Acc_List.txt | while read Run; do
iseq -i $Run -a -g
done
-
SRR_Acc_List.txt就是一行一个accession号码组成的文本文件
批量下载
四、iSeq的具体参数解释
-
-i,--input: 输入你想下载的accession，首先获取accession的metadata，然后逐一对包含在内的Run ID进行下载。 -
-m,--metadata: 只下载accession的样本信息，跳过测序数据的下载。 -
-g,--gzip: 直接下载gzip格式的FASTQ文件，如果不能直接下载，则会下载SRA文件并通过多线程分解和压缩转换为gzip格式。 -
-q,--fastq: 将下载完成的SRA文件分解为多个未压缩的FASTQ格式。 -
-t,--threads: 指定分解SRA文件为FASTQ文件或者压缩FASTQ文件的线程数，默认为8。 -
-e,--merge: 将Experiment中的多个FASTQ文件合并为一个FASTQ文件。 -
-d,--database: 指定下载SRA文件的数据库，支持ena和sra两种数据库。 -
-p,--parallel: 开启多线程下载，需要指定下载的线程数。 -
-a,--aspera: 使用Aspera进行下载。
五、iSeq支持的accession格式
目前支持以下5个数据库的6种数据格式，支持的accession前缀如下：
| 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 | \ | \ | \ |
其中对于来自于GEO数据库的两种数据格式GSE/GSM，会直接获取到与之关联的PRJNA/SAMN，然后获取到包含在内的Run ID并进行测序数据的下载。因此，本质上还是从SRA数据库中下载测序数据。
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、iSeq详细的pipeline
iSeq详细的pipeline
七、问题解决方案
使用Ubuntu on Windows时，通过
conda安装Wget可能会导致“unable to resolve host address”的问题，这反过来可能阻止iSeq获取数据。你可以选择不通过conda安装wget。或者，也可以通过执行以下命令来解决这个问题：conda activate iseq # 将系统自带的wget映射到conda中 ln -sf /usr/bin/wget $(which wget) # 包括srapath，这个是sratoolkit中自带的，可以自行安装后更改下方下方路径为你自己的。 ln -sf ~/pathway/sratoolkit/bin/srapath $(which srapath)
八、写在后面
获取NGS数据之后，就要看各位分析数据，解析问题的能力了，这可能才是关键吧，祝好！
网友评论