RNA-seq(2):下载参考基因组及基因注释，及测序数据-学习笔记

今天学习了如题的一些操作。但是并不算成功。本来打算做到quality control，结果大部分时间卡在了下载测序数据上。

参考网站：
下载参考基因组及基因注释）

1.安装ASPERA
1）wget http://download.asperasoft.com/download/sw/connect/3.7.4/aspera-connect-3.7.4.147727-linux-64.tar.gz
2)tar zxvf aspera-connect-3.7.4.147727-linux-64.tar.gz

3）bash aspera-connect-3.7.4.147727-linux-64.sh
4）cd /home/name # 去根目录
5）ls -a # 如果看到.aspera文件夹，代表安装成功
6) export PATH="~/.aspera/connect/bin:$PATH"
7) source ~/.bashrc

2.sra数据下载(采取aspera下载）

cd  /mnt/f/Data/chip_seq/data
for ((i=204;i<=209;i++));do ascp -QT -v -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh -k 1 -T -l200m [email protected]:/sra/sra-instant/reads/ByRun/sra/SRR/SRR620/SRR620${i}/SRR620${i}.sra .;done

不幸的是，找不到对应的位置。网址错了。
我去手动搜索了一下，发现，NIH 已经不存在sra-instant 了，这个该死的美国佬，应该是更新了。

然后，我又打算采用prefetch,结果仍然很尴尬。

这个网址 读不到
https://sra-downloadb.be-md.ncbi.nlm.nih.gov/sos1/sra-pub-run-5/SRR620206/SRR620206.1
索性便结束了，wget 方式据说，下载的不是很好，断断续续的。

然后又搜索啊，找到了一个好方法。用ENA数据库下载。参考这儿（原始数据的几种下法，写的很清楚）

ascp -QT -l 500m -P 33001 -i /home/leo/.aspera/connect/etc/asperaweb_id_dsa.openssh [email protected]:/vol1/fastq/SRR620/SRR620204/SRR620204.fastq.gz .

用 fastqc -o . SRR620204.fastq.gz 试了试，发现竟然可以。也算不幸中的万幸了。

质量控制的结果，分析结果好不好，对比以下网址就好。讲的非常清楚和简练。包括如何多个质控结果用multiQC一块分析的操作。
内含SRA到fastq的操作，和fastq格式的一些问题
举了好与不好的例子，但是是英文

又进行了一个代码，自己下载去吧。

 for ((i=6;i<=9;i++));do ascp -QT -l 500m -P 33001 -i /home/leo/.aspera/connect/etc/asperaweb_id_dsa.openssh 
 [email protected]:/vol1/fastq/SRR620/SRR62020${i}/SRR62020${i}.fastq.gz .;done

3.下载基因组和注释文件。按照下面这个就可以了。下载了mm10的基因组和注释文件（GTT3,GTF两个）。

下载参考基因组及基因注释

GTF下载时间也超了，无奈。还是回学校等着下载吧，在家的网络可能不太好，或者明天继续。也不知道哪儿错了：

好在GTF下载成功了，

也可以自己构建参考基因组的index，但是是在太慢了。有现成的就要用，感兴趣的可以看一下：hisat2

代码如下：

wget ftp://ftp.ccb.jhu.edu/pub/infphilo/hisat2/data/hg19.tar.gz
wget ftp://ftp.ccb.jhu.edu/pub/infphilo/hisat2/data/mm10.tar.gz

也可以直接去官网，下载，最右侧有一个index板块：

总之浪费了一些时间，有收获有遗憾。很沮丧！但明天仍然要继续！！！ 假装坚强！