手把手教你从GEO下载原始数据和接头序列

发布网友发布时间：2024-10-19 18:47

共1个回答

热心网友时间：2024-11-29 14:37

GEO，由NCBI维护的基因表达综合数据库，储存了海量高通量测序数据和多种芯片数据，如甲基化、长链非编码RNA等。对于生物信息学研究者而言，如何从GEO获取原始或处理后的数据至关重要。本文将详细介绍一个具体案例，通过跟随某论文中的步骤，从GEO下载数据并提取adapter接头序列，以供学习和参考。

首先，GEO数据类型包括GPL芯片平台、GSM样本ID、GSE研究ID和GDS数据集ID。通常引用的是GSE研究ID。在GEO官网（https://www.ncbi.nlm.nih.gov/geo/），通过GSE ID搜索，你可以找到相应数据。如果需要的是标准化数据，可以直接在Supplementary file的ftp或http链接中下载。

如果需求是原始数据，需点击Relations - SRA的SRX ID，进入SRA页面，选择所需文件，注意文件大小。选择好后，点击“Sent to”选择“File”，并以runinfo格式下载xls表格，其中download-path列包含下载网址。

在服务器上，通过wget命令下载SRA压缩包，如SRR000891273.sralite.1。下载后，使用fastq-dump工具，通过conda的bioconda通道安装并验证，然后执行fastq-dump命令转换成fastq格式，可能需要参数--split-3处理双端数据。

在数据处理的最后阶段，可能需要去除adapter序列。如果SRA文件已去接头，通常可以直接使用；若未去接头，需要查看测序试剂盒说明，如Illumina Nextera DNA Sample prep kit，Illumina官网上提供了所有产品试剂盒的标准接头序列。

找到接头序列后，可以使用cutadapter或其他工具去除原始数据的adapter，完成数据准备，为后续分析做好准备。这个流程简洁实用，希望能帮助你顺利从GEO获取所需的数据。