介绍

fastq-dl 接收一个 ENA/SRA 编号（研究、样本、实验或运行），并查询 ENA（通过 数据仓库 API）以确定与之相关的元数据。然后，它会为每个运行下载 FASTQ 文件。对于包含多个运行的样本或实验，用户可以选择性地合并这些运行。

安装

fastq-dl 可以从 Bioconda 获取，我非常推荐您通过这个途径进行安装。

conda create -n fastq-dl -c conda-forge -c bioconda fastq-dl
conda activate fastq-dl 

使用

fastq-dl --help

 Usage: fastq-dl [OPTIONS]                                                                     

 Download FASTQ files from ENA or SRA.                                                         

╭─ Required Options ──────────────────────────────────────────────────────────────────────────╮
│ *  --accession  -a  TEXT  ENA/SRA accession to query. (Study, Sample, Experiment, Run       │
│                           accession)                                                        │
│                           [required]                                                        │
╰─────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Download Options ──────────────────────────────────────────────────────────────────────────╮
│ --provider                    [ena|sra]  Specify which provider (ENA or SRA) to use.        │
│                                          [default: ena]                                     │
│ --group-by-experiment                    Group Runs by experiment accession.                │
│ --group-by-sample                        Group Runs by sample accession.                    │
│ --max-attempts            -m  INTEGER    Maximum number of download attempts. [default: 10] │
│ --sra-lite                               Set preference to SRA Lite                         │
│ --only-provider                          Only attempt download from specified provider.     │
│ --only-download-metadata                 Skip FASTQ downloads, and retrieve only the        │
│                                          metadata.                                          │
│ --ignore                  -I             Ignore MD5 checksums for downloaded files.         │
╰─────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Additional Options ────────────────────────────────────────────────────────────────────────╮
│ --outdir   -o  TEXT     Directory to output downloads to. [default: ./]                     │
│ --prefix       TEXT     Prefix to use for naming log files. [default: fastq]                │
│ --cpus         INTEGER  Total cpus used for downloading from SRA. [default: 1]              │
│ --force    -F           Overwrite existing files.                                           │
│ --silent                Only critical errors will be printed.                               │
│ --sleep    -s  INTEGER  Minimum amount of time to sleep between retries (API query and      │
│                         download)                                                           │
│                         [default: 10]                                                       │
│ --version  -V           Show the version and exit.                                          │
│ --verbose  -v           Print debug related text.                                           │
│ --help     -h           Show this message and exit.                                         │
╰─────────────────────────────────────────────────────────────────────────────────────────────╯

fastq-dl 需要一个 ENA/SRA 的研究、样本、实验或运行的编号，它会下载该编号下所有运行的 FASTQ 文件。例如，如果提供了一个研究编号，那么该研究下的所有运行都会被下载。默认情况下，fastq-dl 会先尝试从 ENA 下载，如果失败则从 SRA 下载。

–accession

您希望下载相关FASTQ文件的编号。目前接受以下类型的编号。

这些编号使用了 ENA 培训模块 - 编号 部分中的正则表达式。

–provider

fastq-dl 提供了从 ENA 或 SRA 下载的选项。--provider 选项将指定您希望首先尝试从哪个提供者下载。如果从第一个提供者下载失败，将使用另一个提供者进行额外的尝试。

默认选择 ENA 作为提供者，因为 FASTQ 文件可以直接获取，无需转换。

–only-provider

默认情况下，fastq-dl 会回退到一个次要提供者来尝试下载。在某些情况下，您可能希望禁用此功能，这正是 --only-provider 的用途。当使用此选项时，如果无法从原始提供者下载 FASTQ 文件，则不会进行额外的尝试。

–group-by-experiment & --group-by-sample

有时您可能希望根据实验或样本的编号来分组运行编号。这将根据运行编号相关的实验编号（--group-by-experiment）或样本编号（--group-by-sample）来合并与运行编号相关的FASTQ文件。

–sra-lite

从SRA下载的数据提供SRA标准化和SRA Lite格式。SRA标准化是原始格式，包含完整的碱基质量分数；而SRA Lite由于将质量分数简化为统一的Q30，所以文件更小。默认情况下，偏好设置为SRA标准化，如果您更倾向于SRA Lite，可以使用--sra-lite将偏好设置为SRA Lite

输出文件

案例

Download FASTQs associated with a Study

有时候，您可能在阅读一篇论文，作者非常贴心地提供了他们测序的所有样本的 BioProject 编号。于是，您决定想要下载与该 BioProject 编号相关的所有样本的 FASTQ 文件。fastq-dl 可以帮您做到这一点！

fastq-dl --accession PRJNA248678 --provider SRA
fastq-dl --accession PRJNA248678

上述命令将下载属于研究编号 PRJNA248678 下的3个运行的文件，可以从SRA（使用--provider SRA）或ENA（不使用--provider）下载。

Download FASTQs associated with an Experiment

假设您不想下载整个 BioProject，而只想下载其中的一个实验。您也可以做到这一点。

fastq-dl --accession SRX477044

上述命令将下载属于实验编号 SRX477044 下的运行编号，这些文件来自 ENA。

实验编号与运行编号之间的关系是一对多的关系，也就是说，一个实验编号可以关联多个运行编号（例如，对同一个样本进行重复测序）。尽管在大多数情况下，这种关系是一对一的，但您可以使用 --group-by-experiment 选项，将与实验编号相关的多个运行编号合并到一个FASTQ文件中。

Download FASTQs associated with an Sample

好的，这次您可能只想下载一个样本（Sample）或生物样本（BioSample）。

fastq-dl --accession SRS1904245 --provider SRA

上述命令将从SRA下载属于样本编号SRS1904245的运行编号。

与实验编号类似，样本编号与运行编号之间的关系也是一对多的关系，即一个样本编号可以关联多个运行编号。尽管在大多数情况下，这种关系是一对一的，但您可以使用--group-by-sample将与样本编号相关的多个运行编号合并到一个FASTQ文件中。

**警告！**对于某些类型菌株（例如S. aureus USA300），一个生物样本编号可能与成百上千个运行编号相关联。这些运行编号可能与许多不同的条件相关，因此不应该归于一个单一的生物样本编号下。在使用--group-by-sample时，请务必考虑这一点。

Download FASTQs associated with a Run

让我们保持简单，只下载一个运行（Run）。

fastq-dl --accession SRR1178105 --provider SRA

上述命令将从 SRA 下载运行编号 SRR1178105。运行编号是最终的层级（一对一关系），因此您总是会得到预期的运行。

参考

• https://github.com/rpetit3/fastq-dl