欢迎来到尧图网

客户服务 关于我们

您的位置:首页 > 新闻 > 资讯 > Kingfisher 下载ENA、NCBI SRA、AWS 和 Google Cloud)序列数据和元数据

Kingfisher 下载ENA、NCBI SRA、AWS 和 Google Cloud)序列数据和元数据

2025/2/6 16:45:39 来源:https://blog.csdn.net/2302_80012625/article/details/143927907  浏览:    关键词:Kingfisher 下载ENA、NCBI SRA、AWS 和 Google Cloud)序列数据和元数据

Kingfisher 是一个灵活高效的工具,用于从公共数据仓库(如 ENA、NCBI SRA、AWS 和 Google Cloud)下载序列数据和元数据。它有两个主要模式:获取序列数据(get)和获取元数据(annotate)。该工具可以通过 conda 或 Docker 安装,并支持多种下载方法。

1. Kingfisher 工具概述

Kingfisher 是一个旨在简化从公共数据仓库(如 欧洲核苷酸档案馆(ENA)NCBI SRAAmazon AWSGoogle Cloud)下载测序数据和元数据的工具。用户可以输入特定的 “Run” 访问号(例如 DRR001970)或 BioProject 访问号(例如 PRJNA621514)。

2. 主要功能:
  • get 模式:下载序列数据,支持多种格式,如 SRAFASTQFASTAGZIP。它通过多次尝试不同的数据源(例如 ENA、NCBI、AWS)来保证下载的冗余性,直到成功为止。
  • annotate 模式:下载元数据,支持输出为 CSVTSVJSONParquet 格式。
3. 安装选项:
  • 通过 Bioconda 安装:最简单的安装方法是通过 condabioconda 安装 Kingfisher。您可以使用以下命令设置 conda 环境:
    conda create -n kingfisher -c conda-forge -c bioconda kingfisher
    conda activate kingfisher
    
4. Docker 安装

如果您更喜欢使用 Docker,可以从 DockerHub 获取 Kingfisher 的镜像,并通过 Docker 运行。以下是安装和使用的步骤:

  • 拉取 Docker 镜像:
    docker pull wwood/kingfisher:[RELEASE_TAG]
    
  • 下载数据到当前目录:
    docker run -v `pwd`:/data wwood/kingfisher:[RELEASE_TAG] get -r SRR12118866 -m ena-ftp
    

其中 [RELEASE_TAG] 需要替换为您需要的具体版本标签。

5. 源代码安装

如果您想要从源代码运行 Kingfisher,可以按照以下步骤在本地开发环境中安装:

  • 克隆 Kingfisher 仓库:
    git clone https://github.com/wwood/kingfisher-download
    cd kingfisher-download
    
  • 安装依赖并激活环境:
    conda env create -n kingfisher -f kingfisher.yml
    conda activate kingfisher
    
  • 进入 bin 目录并设置环境变量:
    cd bin
    export PATH=$PWD:$PATH
    
  • 运行 Kingfisher:
    kingfisher -h
    

这样,您就可以在开发环境中运行 Kingfisher 了。

6. 使用方法

Kingfisher 提供了三种主要的操作模式:getextractannotate。每种模式的具体使用方法如下:

  • get 模式:下载并可选地转换序列数据

    kingfisher get -r ERR1739691 -m ena-ascp aws-http prefetch
    

    该命令将尝试从 ENA 下载 ERR1739691 的文件,若失败则从 Amazon AWS Open Data 下载 .SRA 文件,并转换为 FASTQ 格式。

  • extract 模式:从 .SRA 格式文件中提取序列数据

    kingfisher extract --sra ERR1739691.sra -t 16 -f fastq.gz
    

    该命令将使用 16 个线程将 ERR1739691.sra 文件提取并转换为 FASTQ 格式(假设是双端测序数据,则生成两个文件)。

  • annotate 模式:获取元数据表格

    kingfisher annotate -r ERR1739691
    

    该命令将获取与 ERR1739691 相关的元数据,并输出为默认格式的表格(如 CSV 或 TSV)。

7. 下载方法详细介绍:

get 模式下,Kingfisher 支持以下几种下载方式:

方法描述
ena-ascp使用 Aspera 从 ENA 下载数据,这是最快的下载方式。
ena-ftp使用 FTP 从 ENA 下载数据,这也很快,因为无需解压缩。
prefetch使用 NCBI 的 prefetch 从 SRA 下载数据,然后转换为 FASTQ 格式。
aws-http使用 AWS Open Data Program 下载数据,并提取为 FASTQ 格式。
aws-cp使用 AWS S3 从 AWS 下载数据,提取为 FASTQ 格式。
gcp-cp使用 Google Cloud 下载数据,提取为 FASTQ 格式。
8. 常见问题解答(FAQ)
  • ascp: not found 错误
    如果出现 /bin/sh: 1: ascp: not found 错误,表示 Aspera 客户端未正确安装。需要确保按照文档中的步骤正确安装 Aspera 客户端。

  • 认证失败问题
    如果提示 “Failed to authenticate with ascp”,可能是由于网络问题或 Aspera 客户端配置不正确。检查网络连接或尝试使用其他网络,并确保 Aspera 客户端正确配置。

  • API 限制问题
    如果您频繁调用 NCBI 的 API,可能会遇到 “API rate limit exceeded” 错误。在这种情况下,您可以生成一个 NCBI API 密钥,并将其设置为环境变量来绕过限制:

    export NCBI_API_KEY="your_api_key"
    

如果有多个SRR号

一开始用这个命令挺好的但是,不知道为什么突然不能用了


cat down | xargs -I {} kingfisher get -r {} -m  aws-http prefetch aws-cp gcp-cp ena-ascp ena-ftp  

没办法现在是一个一个下载

kingfisher get -r SRR8925609  -m aws-http prefetch aws-cp gcp-cp ena-ascp ena-ftp

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com