NCBI+SRA数据库使用详解.docVIP

NCBISRA数据库使用详解

1、简介

SRA（SequenceReadArchive）数据库是用于存储二代测序的原始数据，包括454，Illumina，SOLiD，IonTorrent，Helicos和CompleteGenomics。除了原始序列数据外，SRA现在也存在rawreads在参考基因的比对信息。

根据SRA数据产生的特点，将SRA数据分为四类：

Studies--研究课题

Experiments--实验设计

Runs--测序结果集

Samples--样品信息

SRA中数据结构的层次关系为：Studies-Experiments-Samples-Runs.

Studies是就实验目标而言的，一个study可能包含多个Experiment。

Experiments包含了Sample、DNAsource、测序平台、数据处理等信息。

一个Experiment可能包含一个或多个runs。

Runs表示测序仪运行所产生的reads。

SRA数据库用不同的前缀加以区分：

ERP或SRP表示Studies；

SRS表示Samples；

SRX表示Experiments；

SRR表示Runs；

2、使用

Figure2：搜索相关研究的疾病，选择相应数据集

Figure3：点击第一个案例进入详细信息界面

Figure4：Study详细信息页面

Figure4：Experiments详细信息页面

Figure4：Runs详细信息页面，选择要下载的Runs

3、下载数据

要下载SRA数据，我们需要先安装SRAToolkit软件包，下载地址：

/Traces/sra/sra.cgi?view=software

根据自己的环境下载相应的软件包。

主要包括：

CentOS32/64

Ubuntu32/64

MacOS32/64

MSWindows32/64

以CentOS为例：

1、下载安装：

wget/sra/sdk/current/sratoolkit.current-centos_linux64.tar.gz

tarxzfsratoolkit.current-centos_linux64.tar.gz

2、运行下载

cdsratoolkit.2.5.7-centos_linux64/bin

./prefetchSRR2172038

下载完成后，会在你的工作主目录下生成一个ncbi的文件夹。

cdncbi/public/sra

查看SRR2172038.sra数据

3、转换fastq

/sratoolkit.2.5.7-centos_linux64/bin/fastq-dump./SRR2172038.sra

4、转换fasta

/sratoolkit.2.5.7-centos_linux64/bin/fastq-dump?--fasta?./SRR2172038.sra

4、数据提交

一个SRAstudy所包含的内容，应该在一个LSBI的项目中提交。即SRAstudy和LSBI项目为1对1关系。一个study的内容可以在一个项目下，分成几个批次提交，每次提交不同的内容。

一个批次的SRA数据，包括一个.info文件和一个名为DATA，装有提交原始文件的子文件夹。子文件夹中内容为描述metadata的xml文件或者sff等格式的数据文件。一个完整的study，包括一个或多个study.xml,experiment.xml,sample.xml和run.xml，以及一个或多个数据文件。但是一个批次的提交数据不一定包括所有的文件。

Run.xml和该xml中包括的所有数据文件，必须要在一个批次中提交。

请先确认您已是数据中心网站注册的用户，否则请登陆中心网站,注册。

登陆中心网站后,点击左侧菜单的mydata,选择已有项目或创建新项目。

选择已有批次或创建新批次。在创建批次时，选择要提交的数据类型为“SRA”。

在点击批次下的submitdata按钮后，进入提交页面。

首先下载离线提交附件（subdesc.bch），作为离线提交的标识文件，是离线提交必须的附件之一。

按照SRA的数据格式标准，处理生成数据文件，连同标识文件一起，通过提交页面上显示的路径（为ftp://shengxin.ren:1221/SRA/****/）上传至服务器指定目录。