[转] NCBI-SRA数据库使用详解
原文转自生信人：http://www.shengxin.ren/article/16
1、简介
SRA（Sequence ReadArchive）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raw reads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、DNA source、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；
Figure1.SRA数据库收录数据增长曲线
2、使用
3、下载数据
要下载SRA数据，我们需要先安装SRA Toolkit软件包，下载地址：
https://www.ncbi.nlm.nih.gov/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：
CentOS 32/64
Ubuntu 32/64
MacOS 32/64
MS Windows 32/64
以CentOS为例：
1、下载安装（以ubantu16.04为例）：
wget -c https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.9.0/sratoolkit.2.9.0-ubuntu64.tar.gz
tar -xvf sratoolkit.2.9.0-ubuntu64.tar.gz
2、运行下载
cd /home/mylinux/lyr/App/sratoolkit.2.9.0-ubuntu64/bin
./prefetch SRR2172038
下载完成后，会在你的工作主目录下生成一个ncbi的文件夹。
cd ncbi/public/sra
查看SRR2172038.sra数据
3、转换fastq
/sratoolkit.2.9.0-ubuntu64/bin/fastq-dump ./SRR2172038.sra
4、转换fasta
/sratoolkit.2.9.0-ubuntu64/bin/fastq-dump
--fasta ./SRR2172038.sra
4、数据提交
一个 SRA study 所包含的内容， 应该在一个 LSBI 的项目中提交。 即 SRA study 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 submit data 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。
