这四个主要数据库的区别首先当然是国家和地域的区别，中国也是生物组学数据产出的大国，推荐大家在以后的数据提交中优先选择BIGD，它在国内，上传和下载的速度都是优于其它数据库的，是中国科学家自己的数据库，下期教大家使用！
由于在文献里看到感信息的数据集，但是存放在国外数据库如ENA，所以一定也要会使用。
1：为研究的元数据
2：研究的数据访问链接
3：可选择你对当前研究感兴趣的信息项进行展示
那如何获得下载地址呢？以下操作我们看图进行，一定要自己去ENA数据库点一点才能记住哦，一定要跟着我一起去啦！
1.首先，看下图点击， 详细查看当前研究的数据样本信息
2.进入样本详细页面后点击Show Column Selection，就可以选择下载数据的下载地址了
3.选择样本详细的具体信息后， 点击TSV下载哦
现在我们来看看这个TSV长什么样子：
可以看到，我们选的列就是下载的TSV文件的表头了，每一行代表一个样本，Fastq_ftq 就是样本的下载地址，那么如何下载呢？这里推荐使用Aspera（ https://www.ibm.com/aspera/connect/），因为它相比其它下载软件速度更快，且不用做关于fastq的数据转换
4.下载Aspera( https://www.ibm.com/aspera/connect/)，根据下载地址到官网选择自己要下载的版本，这里我们分析数据都是在Linux 上，所以一般都用下载Linux版本，把数据直接搞到服务器上
下载后解压后，获得的直接是shell脚本，直接安装
tar -xvf ibm-aspera-connect-3.11.1.58-linux-g2.12-64.tar.gz
默认安装的位置在当前用户的家目录下，方便使用，在当前用户的环境变量中加入它的路径
vim/home/zhenggm/.bashrc # 在用户环境文件下加入 export PATH="/home/zhengm/.aspera/connect/bin:$PATH"
source /home/zhenggm/.bashrc
export PATH="/home/andy/.aspera/connect/bin:$PATH"
然后拷贝下密钥文件，方便使用
cp ~/.aspera/connect/etc/asperaweb_id_dsa.openssh ~/
5.使用方法——单个数据下载
ascp 表示数据的下载命令，-i 表示密钥文件的指定，-QT参数，表示开启断点续传，-l带宽限制，启用该设置能够再次加快速度，-P 表示通信端口
era-fasp 表示数据下载的域名，这里从ENA下载所以域名指定为era-fasp，@后面
可以看到，是刚才在ENA 下载的TSV文件数据的fastq_ftq列的信息,具体格式为：
它就是@后指定的下载地址，单个指点下载地址为
命令中的
/udata/zhenggm/bioTree/trans_upAnal/PRJEB25780_trans/
为指定的数据下载的存放路径
6.使用——多个数据集的下载
样本量超过一个建议就进行批量下载哦，这样一个一个的下也不是个头啊！
首先构造下载地址的文档，把在ENA下载的tsv文件中的fastq_ftq列信息整理出来，并把原来的“ftp.sra.ebi.ac.uk”替换成“fasp.sra.ebi.ac.uk:”，得到如下的样本下载地址文档
然后写shell脚本(aspera_download.sh)来循环下载:
cat sample_fastq.txt | while read id
do
ascp -i /home/zhenggm/asperaweb_id_dsa.openssh -QT -l 300m -P33001 era-fasp@$id /thinker/storage/udata/big/zhenggm/bioTree/trans_upAnal/PRJEB25780_trans/
done
然后在系统里后台运行此下载就可以坐等数据下载好了哦
nohup sh aspera_download.sh > step1.log 2>&1 &
7.如何一劳永逸？
还是会有小伙伴抱怨中途数据下载失败就得重新开始数据下载，得手动去看那些下好没，那些没下好，这里给大家提供一个升级版的python3下载脚本，可以自动检查那些数据下载成功，然后只下载没有下载成功的，直到数据都下载成功，超级方便，赶快用起来
importsubprocess
importargparse
importos
'''
需要替换-i指定的密钥文件位置，以及下载文件的位置，
'''
defrun_cmd(ids: list):
foridinids:
cmd = """ascp -i /home/zhenggm/asperaweb_id_dsa.openssh -QT -l 300m -P33001 era-fasp@{id}/thinker/storage/udata/big/zhenggm/bioTree/trans_upAnal/PRJEB25780_trans/"""\
.format(id=id)
p = subprocess.Popen(cmd, shell=True)
p.wait
p.terminate
argparser = argparse.ArgumentParser
argparser.add_argument('--conf_file', type=str, default='')
args = argparser.parse_args
conf_file = args.conf_file
print(conf_file)
id_list = []
withopen(conf_file, 'r') asf:
line = f.readline.replace('\n', '')
whileline:
id_list.append(line)
line = f.readline.replace('\n', '')
f.close
whilelen(id_list)>0:
done_list = [f forf inos.listdir(os.path.join(os.path.dirname(conf_file), 'PRJEB25780_trans')) iff.endswith('.gz')]
print(done_list)
id_list = [idforidinid_list ifid.split('/')[-1] notindone_list]
print('id count: %d'% len(id_list))
run_cmd(id_list)
这是依赖python3的脚本，需要安装python3,运行此python脚本需通过 –conf_file 来指定样本下载的文件哦，同样后台运行，可通过看日志得知数据的下载情况~
nohup python3 downlaod_fastq.py --conf_file sample_fastq.txt > step1.log 2>&1 &
今天的实操到这里，有问题可以留言~
注：本推文未经许可禁止转载。
工具篇丨一图能顶半边天：给你介绍一款提升文章咖位的生信工具
工具篇丨假期发篇网络药理学的文章就靠它们了！
工具篇丨肿瘤模式细胞选择避坑指南 这些网站一定要看！
工具篇丨珍藏版生存分析全攻略——生存资料的获取、整理与生存曲线绘制
工具篇丨搞肠道微生物菌群的看过来：介绍一个细菌基因分型和源头追踪的一站式数据库
如果您或者科室有科研上的困扰
扫码备注：科研合作返回搜狐，查看更多