【NGS 次世代基因體資料科學】 基礎教學 03 使用fasterq-dump取得已發表的實驗的原始資料

一般已經發表的生物醫學領域的論文，如果有牽涉到定序都會把原始數據上傳。這裡介紹如何把它們用SRA Tools把資料撈回來，讓我們能夠重複一些重要的實驗結果。

本篇以NCBI的GEO為例，示範使用NCBI 的Gene Expression Omnibus (GEO) database 。假設我們從論文上的Method或Supplementary 得知GEO的網址為：

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSM1010219

最下方有一個SRA Run :

點下去後會跳轉到SRA Run Selector的網站：

以這邊為例，可以拿到SRR開頭的run ID SRR576933 ，也有可能有多個run，可以點Assesion List一次取：

接著用fastq-dump或是fasterq-dump可以把對應的fastq檔下載回來，這裡示範使用fasterq-dump來把檔案下載回來

get_fastq.sh :

#!/bin/bash
# using fasterq-dump to download fastq
tmp_path='./tmp_'$1 # tmp path name , change if you want
thread_num=24 # your thread number
SRRID=$1 # SRR ID pass from shell
mkdir $tmp_path
export TMPDIR=$tmp_path
fasterq-dump "$SRRID" --split-3 \
--threads $thread_num --temp $tmp_path \
--progress 
rm -r $tmp_path

然後在終端機執行：

 ./get_fastq.sh SRR576933

執行完成後會得到輸出

join   :|-------------------------------------------------- 100%   
concat :|-------------------------------------------------- 100%   
spots read      : 3,603,544
reads read      : 3,603,544
reads written   : 3,603,544

就可以拿到實驗的fastq檔的raw data了

有了fastq檔之後，接下來通常就是拿去做sequence alignment，來進行後續的分析。

專案網址

楊 明翰

是一個對 “下一個世代” 的醫療科技充滿熱血的 Bioinformatican

更多介紹