从中国核酸数据库GSA下载单细胞数据

第一次使用GSA大约是2018年，那一次是往该数据库上传数据。

单细胞数据呈指数增长，对一个实验室也好，对一家科研单位也好，对一个国家也好，数据的管理显得日益重要。数据管理在技术上是平台的搭建，做好平台，大家可以在上传和下载或者分析数据。今天我们介绍一下如何从中国核酸数据库（GSA）下载单细胞转录组原始数据，并Run 起Cellragner(其他平台自然换成他们的定量软件)。

组学原始数据归档库（GSA）属于生物数据递交系统(BIG Submission, BIG Sub)，后者是国家基因组科学数据中心生物数据统一汇交入口，为用户提供一站式数据递交服务。

https://bigd.big.ac.cn/gsub/

数据库后台对科学家是十分友好的，有专属的用户QQ群，在使用过程中遇到问题可以随时在群里咨询（主要是汉语），既有工作人员，也有我这样的使用过的同学，为您排忧解惑。

首先，我们有一篇文章需要下载，一看Data availability刚好在我们的GSA数据库中：

我们点击HRA的编号链接，后进入该数据的主页：

这样，再点击Request Data，如果是第一次使用就需要注册啦。

基本上按照提示就可以完成注册啦。注意注册邮箱和个人主页需要是学术单位的哦，用户注册他们也是要审核的。满足条件的话，通过是很快的啦。

合法登陆之后，就可以开始申请数据了。我们可以在GSA搜索前面的编号，可以从文章链接转到Request页面，申请数据需要说明申请数据主要用于什么，需要的信息是：

每一项简明扼要写清楚即可。

在申请的结尾处有一个GSA-Human 数据访问协议，这个还是建议认真看看的，主要是一些法律条文。 agree之后，申请工作就算完成啦，接下来是等待审核。

这个看文章作者和平台的审核速度啦，建议申请通过两天没动静可以和工作人员说一下，看看在哪里有卡点，及时通过邮件联系。

数据申请通过之后，申请的列表是这样的：

点击download就可以看到ftp链接了，这时候可用Filezilla下载，如果数据较大，建议用wget下载，直接批量地下到集群:

wget   -b -c  --user=申请时候的用户名  --password=密码  --mirror ftp://链接

如果下载有困难除了在群里咨询，您还可以申请邮寄：

下载完之后，我们知道要RunCellranger 至少需要两个fq。当然，在看文章的时候，我们就已经知道这里的数据是用哪个平台做的了，需要注意的是，10X平台试剂软件版本更新较快，最好文章用哪个版本的数据我们就用哪个版本的，比如V2 和V3的试剂barcode长度不同了，有可能影响cell calling的结果。 所以我们需要看看自己下载的fq数据长得是什么样子的，特别是reads1。

下载完数据后，至少要：

• 检查文件完整性
• 下载文件的ID和临床信息匹配
• 检查fq的分布格式
• fq文件重命名成cellranger需要的格式

接下来可以Run 上Cellranger了。

cellranger count --id=run_count_1kpbmcs \
--fastqs=/pbmc_1k_v3_fastqs \
--sample=pbmc_1k_v3 \
--transcriptome=/refdata-cellranger-GRCh38-3.0.0

然后就是降维聚类必知必会balabala了。

其实有文档的啦：

• 人类遗传资源组学原始数据归档库数据申请及下载说明
• 组学原始数据归档库（GSA）使用说明

GSA数据信息结构图解(推荐)

---

中国核酸数据库GSA数据提交指南