作为生命科学的从事者，不论是老师或者学生都应该用过NCBI((National Center for Biotechnology Information Search database，一个综合性的生命科学资源网站）。那么作为一个生命科学中的一员，如果你们没用过NCBI网站，这就好像是在说“知网是啥”。希望提到这个网站的事情，你的表情不会是下面这个样子，哈哈哈。。。
不管你是否了解NCBI网站，这都不重要，重要的是如果哪一天你需要用到了（比如要从NCBI上面下载个原始数据，这个需求比较合理吧！），你会不会呢？当然不会也没有关系了，因为这篇就是教你如何下载数据的！哈哈。。。
下面言归正传，来说一说NCBI下载数据的几种方式：
- NCBI官方的 SRA Toolkit 进行下载
- wget, curl 命令直接下载
- aspera 工具下载
- grabseqs 工具下载
1、SRA Toolkit 下载数据
第一种方法就是使用NCBI官方提供的软件来下来，这个也是相当的方便可行，只要到官网下载SRA Toolkit软件(该软件是二进制的格式，如下截图，选中对应本版下载到本地解压就可以使用，相当方便)，然后就可以下载数据了。
软件准备好了，下面就可以下载数据了：
prefetch SRR1482463 -O output #output替换为你想下载数据的路径
那么如果想批量下载一个项目的很多数据呢？首先得找到数据的SRR号，随便选中一个SRR号在“SRA”数据库中搜索，会得到如下截图：
然后点击“All runs”，会得到如下截图:
接着选中你想下载的数据，点击"Accession list"，会下载一个包含选中数据SRR号的文件（SRR_Acc_List.txt），如下所示：
最后就可以批量下载了：
prefetch -O output --option-file SRR_Acc_List.txt
2、wget, curl 下载数据
第二种下载方式，wget, curl 命令直接下载。用这种方式下载数据需要知道数据的下载链接，如何获取数据链接呢？获取数据链接也有两种方式，一是通过NCBI网页，二是通过SRA toolkit。
先说通过网页如何获取，当我们在“SRA”数据库中搜索SRR后，点击下面表格中的SRR号如“SRR1482463”，会跳转到页面如下：
切换到‘Data access’界面，就找到数据链接了，如下截图：
通过SRA toolkit获得数据链接就更省事了，到SRA toolkit软件的bin目录下找到srapath软件，一行命令就可以了：
srapath SRR1482463
#结果如下
https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/SRR1482463/SRR1482463.2
找到链接就可以用wget来下载数据了：
wget -c -t 0 -O path/SRR1482463.sra https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/SRR1482463/SRR1482463.2
#-c -t 配合使用可以防止下载数据的过程中链接中断的问题，-O则可以指定下载路径和文件名。
3、aspera下载数据
第三种下载方式，就是使用aspera软件来下载数据：
#软件下载与安装
$ wget https://download.asperasoft.com/download/sw/connect/3.9.1/ibm-aspera-connect-3.9.1.171801-linux-g2.12-64.tar.gz
$ tar zxvf ibm-aspera-connect-3.9.1.171801-linux-g2.12-64.tar.gz
$ bash ibm-aspera-connect-3.9.1.171801-linux-g2.12-64.sh
#数据下载
ascp -v -k 1 -T -l 200m -i <path>/asperaweb_id_dsa.openssh anonftp@ftp.ncbi.nlm.nih.gov:/blast/db/FASTA/nt.gz
4、grabseqs下载数据
第四种下载方式是使用grabseqs软件来下载数据，该软件是比较新的软件，可以将下载的sra数据直接转换为fastq文件，相比于上面三种省略了sra -> fastq的转换步骤，可谓是一步到位。因为该软件会调用fastq-dump直接将sra拆分成fastq，所以你得提前安装好fastq-dump。该软件是基于python3，可使用pip安装相当方便。安装和使用方法如下：
#安装
pip3 install grabseqs
#下载数据
grabseqs sra -t 6 SRR000000 SRP000000 PRJNA000000
sra转化为fastq
当我们拿到了sra数据并不能直接使用，需要将其转为fastq文件。数据都拿到了，转化格式当然是很简单的事了，就是跑一行命令的事情。使用SRA Toolskit中的fastq-dump软件即可。值得注意地是如果数据是pair-end的格式最好加参数--split-3，这样对于一方有而另一方没有的reads就会单独放在一个文件里。
#sra -> fastq
fastq-dump SRR1482463.sra --split-3 --gzip --defline-qual '+' -A filename -O outdir
四种方式你学会了，其实方式不重要，选择一个适合自己的方式即可，重要是能够获取到自己想要的数据，毕竟科研的本质是要数据来支持自己的研究。
最后
emm，今天就分享到这里，帖子纯手打不容易啊，小二哥我得去喝口水休息一下了。各位看官们帮忙点个赞吧！！！
网友评论