美文网首页
生信 | iSeq超便捷!快速下载GSA/SRA/ENA的数据以

生信 | iSeq超便捷!快速下载GSA/SRA/ENA的数据以

作者: 生信卷王 | 来源:发表于2024-05-18 16:23 被阅读0次

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!
iSeqGitHub链接:https://github.com/BioOmics/iSeqiSeq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\color{red}{NGS\ data},且支持了AsperaAXEL,竟然还支持直接获得样本的\color{red}{metadata}

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。

\color{red}{此处注意}: 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\color{red}{Aspera}高速下载

直接使用iSeq-a参数就好

iseq -i SRR1178105 -a
使用Aspera高速下载

\color{red}{此处注意}: 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enasra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!

相关文章

网友评论

      本文标题:生信 | iSeq超便捷!快速下载GSA/SRA/ENA的数据以

      本文链接:https://www.haomeiwen.com/subject/ihawfjtx.html