sra轉fastq格式

NCBI上下載的原始資料為SRA資料，而適用於大部分生物軟體的是fastq格式，所以我們需要將sra格式的原始資料轉為fastq格式。NCBI提供了資料轉換的軟體fastq-dump。

1、下載軟體

wget https://ftp-trace.ncbi.nlm.nih.gov/sra/sdk/2.9.2/sratoolkit.2.9.2-centos_linux64.tar.gz
tar zxf sratoolkit.2.9.2-centos_linux64.tar.gz

解壓後軟體就在./sratoolkit.2.9.2-centos_linux64/bin/fastq-dump

2、轉換格式

使用基本命令列

./sratoolkit.2.9.2-centos_linux64/bin/fastq-dump /path/to/xxx.sra

但是這個預設使用方法得到結果往往很糟, 比如說他預設會把雙端測序結果儲存到一個檔案裡, 但是如果你加上--split-3之後, 他會把原來雙端拆分成兩個檔案,但是原來單端並不會儲存成兩個檔案. 還有你用--gzip就能輸出gz格式, 能夠節省空間的同時也不會給後續比對軟體造成壓力, 比對軟體都支援，就是時間要多一點。

3、遇到過的問題

• 如何下載sra的資訊，如insert size、read長度、測序平臺等？
  -- 輸入srp/srx/srr編號查詢到對應資訊後，點選右上角的"Send to"，選擇"File"->"RunInfo"->"Create File"，下載下來的.csv檔案裡有很詳細的樣品、文庫和測序資訊。

• 如果不知道文庫是single end還是paired end，如何轉換成fastq？
  方法一：一個簡單方法是在SRA Run Browser上輸入SRR編號查詢: (http://trace.ncbi.nlm.nih.gov/Traces/sra/)，"Browse" -> "Run Browser" -> then input your ID，LAYOUT會標明是SINGLE還是PAIRED，也可以在Reads結果頁面檢視，如果展示1條read就是single end，2條reads就是paired end。
  方法二：可以先用sra-stat對sra檔案進行統計，從統計結果裡可以知道是單末端還是雙末端。
  方法三：直接跑fastq-dump，用引數--split-files就自可以自動分辨出來，結果是一個檔案就是single end，兩個檔案就是paired end。
  方法四：fastq-dump的--split-spot可以用來分辨

srr="SRR3184279"
numLines=$(fastq-dump -X 1 -Z --split-spot $srr | wc -l)
if [ $numLines -eq 4 ]
then
  echo "$srr is single-end"
else
  echo "$srr is paired-end"
fi

參考
1、 如何使用fastq-dump轉換SRA格式