RNA-seqデータをダウンロード

国際塩基配列データベースの総称が　International Nucleotide Sequence Database Collaboration (INSDC) 。
統合された塩基配列データベースが　International Nucleotide Sequence Database (INSD)。

3つの機関で、Sequence Read Archiveが配布されている。DDBJ、 NCBI 、 EMBL-EBI  の データベース間はsra ファイルでデータ交換している。ただし、DDBJは、 2017年4月7日から NCBI/EBI SRAとの SRA ファイルのftp ミラーリングを停止中。

EMBL-EBI　 … 　FASTQ ファイルを gz 形式で圧縮し配布。
NCBI　　　…　 FASTQ ファイルメタ情報などを追加した SRA 形式のファイルを配布。

＊SRA　Sequence Read Archive　シーケンスリードアーカイブ

NCBI（SRA）を使うと、sraのダウンロード -> fastq への変換 -> fastq.gz への圧縮と三段階必要。
fastqファイルの取得・変換には時間がかかるので、prefetchコマンドを使うと、sraファイルのダウンロードのみなので、たくさんダウンロードするときは後で変換・圧縮という方法もありだそうです。

EMBL-EBI（ENA）からのダウンロードは圧縮された fastq.gz でダウンロードされる。（高速にダウンロードできそう）

今回は「次世代シークエンサー　DRY解析教本（秀潤社）」のとおりに
 fasterq-dumpコマンドで、ダウンロードしてみます。

というわけで、fasterq-dump

コマンド　fasterq-dump --split-files SRR1551011 -p

-p を付けると実行状況が表示されます。

fasterq dump の How to　はこちら
https://github.com/ncbi/sra-tools/wiki/HowTo:-fasterq-dump

教本ではまとめてダウンロードする方法が出ていましたが、
エラーになってしまったので、1ずつダウンロードしました。

とりあえず、ダウンロードが完了したので、gzipで圧縮します。

1つの場合

コマンド　gzip SRR1550989_1.fastq

複数の場合
（時間がかかるので、あまりたくさん指定しないほうがよさそう）

コマンド　gzip SRR1550989_1.fastq SRR1551050_1.fastq SRR1551050_2.fastq

こんな風にスペースで区切って指定すればOK

これでRNA-seqデータは準備できました。