从NCBI上下载数据的办法

一、相关工具的下载

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。

NCBI 上的 SRA 数据集可以分成四类：

以上数据集自上至下具有包含关系

SRA 数据库用不同前缀区分数据，ERP 或 SRP 表示 Studies；SRS 表示 Samples；SRX 表示 Experiments；SRR 表示 Runs^0。

首先需要下载和安装两个官网上的工具 Entrez Direct 和 SPR toolkit，这两个软件在 Ubuntu 的商店里没办法搜到，下载安装方法是这样的：

运行上述任意一条命令，可能弹出下述提示信息：

按提示输入命令，然后重新运行上述命令：

会提示你完成设置，按字面上大概意思可能是添加工具到环境变量，输入y即可。不过非常奇怪的是，按照网上的说法，这个工具包含了esearch命令，可以用esearch -help查看详情，但是我输入命令后却显示：

这个意思是之前没安装吗？关于这个问题，网上没找到答案:cry: ，所以我选择运行一下这个命令看看：

可以看到，安装后，帮助弹出终于成功了。下面是edirect工具的最常用命令：

工具名称	工具用途	常用参数
esearch	搜索命令，将所要检索的内容提交到 Entrez 中，返回相应的结果记录	-db、-query
efetch	下载 NCBI 数据库中的记录和报告并以相应格式打印输出	-db、-id、-format、-mode
einfo	获取目标结果在数据库中的信息	-db、-dbs、-fields、-links
elink	对目标结果在其他数据库中比配结果	-db、-id、-related、-target、-name
epost	上传 UIDs 或者序列登记号	-db、-id、-format、-input、-label
efilter	对之前的检索结果进行过滤或限制	-query、-sort、-field
xtract	将esearch获得的 XML 格式结果转换成表格格式	-pattern、-if、-block、-element、-sep、-filter
esummary	获得 XML 格式的建立	-db、-id、-format、-mode
ecitmatch	统计引用数据	-journal、-year、-volume、-page、-author

SRA Toolkit 在官网上提供压缩包安装，与 Entrez Direct 工具安装方式不同，可以直接在虚拟机下载该包，也可以主机上下载后传输给虚拟机安装，这里采用vBOX提供的共享文件夹的方法传输安装包：

选择共享文件夹选项：
点击右侧添加共享文件夹，指定文件夹路径（选一个位置新建文件夹指定），勾选自动挂载（随启动直接加载）和固定分配，然后确定：
此时已经可以在文件管理器左栏看见共享文件夹了，但是点击会显示没有访问权限：
在终端中运行下面的命令，将目前的用户追加到文件的权限组中，然后重启系统^3：
将下载到的安装包复制到共享文件夹，现在共享文件夹中已经能看到安装包了：
将文件复制到用户目录下，直接用tar -zxvf sratoolkit.2.10.9-ubuntu64.tar.gz命令进行解压，可以看到，相应软件已经在用户目录下了：
下面将bin中的命令添加到环境变量（注意 Ubuntu 和自己安装的版本一致，调整代码）：
1
echo "export PATH=\${PATH}:/home/keqsia/sratoolkit.2.10.9-ubuntu64/bin">>$HOME/.bashrc
注意每次修改.bashrc或设置环境变量后，使用source ~/.bashrc使之立刻生效。

.bashrc 文件在用户每次打开终端时都会执行一次，从而完成环境变量写入；有些教程会追加到 .profile 文件中，profile 在系统登录后执行，只在登录系统时执行一次，包括针对系统的/etc/profile和针对用户的 ~/.profile；bashrc 包括针对系统的 /etc/bash.bashrc 和针对用户的 ~/.bashrc。^2
有意思的是，运行prefetch -h时产生了下面提示，要求你进行设置^3：

网上的解释是这样的^4：