GEO數據庫：基因表達倉庫（Gene Expression Omnibus），來源于芯片數據、SAGE、高通量測序mRNA、IncRNA等。
數據存放：四種類型GSE、GSM、GPL、GDS
- GSE：將整個項目一系列樣本和平臺聯系起來，例如：GSE17708（GSE+數字），GSE=GPL+GSM
- GSM：對應一個樣本的數據，只對應一個平臺，表示每個樣本操作環境。
- GPL : 平臺信息，包含微列陣或測序平臺簡要描述。
- GDS： 同一個平臺數據集
通過GSE號獲得SRA（short Read Archive），里面包括原始數據、實驗項目、實驗設計、測序平臺、樣本數據等信息，結構如下：
- 第一級：課題study：SRP表示，一個study包括多個experiment。
- 第二級：樣本Samples：SRS表示
- 第三級：實驗experiment：用SRX表示數據如何產生的，包括特定樣本的文庫測序信息。
- 第四級：數據RUN：SRR表示利用測序手段得到的原始數據。
（1）SRA里面存儲整個項目的各種信息，可以看到用什么測序儀，多少RUN，數據量多少，進一步了解需要導出（按箭頭操作）。
image.png
（2）獲取編號
image.png
（3）服務器中存儲編號
cat >srr.ids 選中復制編號，右鍵，enter回車，ctrl+c，粘貼完畢。
（4）配置下載軟件
需要安裝sra-tools ，aspera。
# 創建好后激活
conda activate RNA-seq
# 測試一下prefetch是否可以使用
prefetch #看出不出幫助文檔即可，出來就是成功```
tar zxvf aspera-connect-3.7.4.147727-linux-64.tar.gz
#安裝
bash aspera-connect-3.7.4.147727-linux-64.sh
# 然后cd到根目錄下看看是不是存在了.aspera文件夾，有的話表示安裝成功
cd && ls -a
# 將aspera軟件加入環境變量，并激活
echo 'export PATH=~/.aspera/connect/bin:$PATH' >> ~/.bashrc
source ~/.bashrc
# 最后檢查ascp是不是能用了
ascp --help
(5)數據下載
cat srr.ids | while read i ;do prefetch $i -O `pwd` ;done
image.png
附：踩坑記錄
坑：下載SRA數據時prefetch默認下載通過https，速度感人，一個多小時一個文件都沒下載完。
原因及解決：prefetch默認通過https，類似于網頁下載，要通過aspera連用下載。它是IBM旗下的商業高速文件傳輸軟件，與NCBI和EBI有協作合同，相當于加速器。安裝之后通過fasp下載。
image.png
