SRA データのダウンロード

 
2024 年 3 月 27 日　改訂

ここでは，NCBI が提供している SRA (Sequence Read Archive) という次世代シーケンサーの生データ集から SRA ファイルをダウンロードして，fastq ファイルに変換する処理を説明します．

例として，Symsagittifera roscoffensis (無腸類) の TSA (Transcriptome Shotgun Assembly) が公開されているエントリを例としています．ここでは，公開されている SRA データ解析に便利な，SRA Toolkit を使います．slurm の job script はこちらを参照してください．
データ確認
まず，NCBI で TSA のページを開き，データの内容を調べます．
https://www.ncbi.nlm.nih.gov/nuccore/1219878365
上の画面で Sequence Read Archive の右にある SRR5760179 を押すと，下の画面が現れます．
https://www.ncbi.nlm.nih.gov/sra/SRR5760179

上の画面，Run にある SRR 5760179 > Download タブを押すと，"You need SRA Toolkit to operate on SRA runs." と言われます．

ダウンロード
prefetch で，SRA データ (.sra ファイル) をダウンロードします．

prefetch --option-file list.txt --max-size 100GB

--option-file
list.txt に SRR5760179 などの ID をリストアップ．Sequence Read Archive に ID が複数ある場合は，改行で分けて ID を複数記述しても良い．

--max-size
prefetch は 20G 以上の場合は，--max-size でデータサイズの指定が必要．

ダウンロードしたファイルは，~/ncbi/public/sra/　に保存される．

[cluster:Symsagittifera-roscoffensis]$ ls ~/ncbi/public/sra/
SRR5760179.sra
ペアエンドデータのダウンロード & fastq 変換
ダウンロード & fastq 変換： fastq-dump で，SRA データをダウンロードし，その後自動的に得られた .sra 形式を fastq フォーマットに変換します．

fastq-dump SRR390728 --split-files

--split-files
SRA ファイルに入っているペアードデンド・リードを，左と右に分けます．つまり二つの fastq ファイルができることになる．シングルエンドに適用すると誤りなので注意． また，--split-file s をつけないと，ペアードエンドデータの解析にならないので，注意してください．

fastq 変換：以下のコマンドで，.sra ファイルの fastq 変換のみを行うこともできます．

fastq-dump ~/ncbi/public/sra/SRR390728.sra --split-files
Fastq ファイル name line の確認

一応，fastq ファイルの name line がどのようになっているかチェックします．

[cluster:Symsagittifera-roscoffensis]$ head -n1 SRR5760179_1.fastq
@SRR5760179.1 HWI-D00692:23:C6KTNANXX:8:1101:1171:2160 length=126
リンク

Plamsonntagmorgen

SRA tool kit の使い方．fastq-dump と prefetch の違いなど．

バイオインフォ道場

bioinformatics

 

トランスクリプトームデータ解析シリーズ
次回は「2. fastq データの検証: fastqc」 のページです．作成した fastq ファイルの品質チェックを行います．
1. SRA データのダウンロード
2. fastq データの検証: fastqc
3.アダプター配列の除去: Trimmomatic
4. アッセンブル: Trinity
5. 転写配列の推定: TransDecoder
6. 類似配列の除去：CD-HIT
7. オーソログ推定: ORTHOSCOPE
このページは主に OIST の同僚 AA さんから教えていただいた情報をもとに作成しています．ご協力に感謝します．