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

server/2024/11/27 0:16:34/

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

http://www.ppmy.cn/server/145189.html

相关文章

《用Python画蔡徐坤:艺术与编程的结合》

简介 大家好!今天带来一篇有趣的Python编程项目,用代码画出知名偶像蔡徐坤的形象。这个项目使用了Python的turtle库,通过简单的几何图形和精心设计的代码来展示艺术与编程的结合。 以下是完整的代码和效果介绍,快来试试看吧&…

Linux中的权限管理

Linux 权限管理主要是指对 Linux 系统中的文件和目录进行权限设置和管理,以确保系统的安全性和稳定性。以下是对 Linux 中权限管理的详细介绍: 一、权限的基本概念 在 Linux 系统中,权限是指某个特定的用户具有特定的系统资源使用权利。Lin…

突破内存限制:Mac Mini M2 服务器化实践指南

本篇文章,我们聊聊如何使用 Mac Mini M2 来实现比上篇文章性价比更高的内存服务器使用,分享背后的一些小的思考。 希望对有类似需求的你有帮助。 写在前面 在上文《ThinkPad Redis:构建亿级数据毫秒级查询的平民方案》中,我们…

抖音SEO矩阵系统:开发技术分享

市场环境剖析 短视频SEO矩阵系统是一种策略,旨在通过不同平台上的多个账号建立联系,整合同一品牌下的各平台粉丝流量。该系统通过遵循每个平台的规则和内容要求,输出企业和品牌形象,以矩阵形式增强粉丝基础并提升商业价值。抖音作…

C 语言面向对象

面向对象的基本特性:封装,继承,多态 1.0 面向过程概念 当我们在编写程序时,通常采用以下步骤: 1. 将问题的解法分解成若干步骤 2. 使用函数分别实现这些步骤 3. 依次调用这些函数 这种编程风格的被称作 面向过程…

【每天学点AI】实战图像增强技术在人工智能图像处理中的应用

图像增强(Image Enhancement)是人工智能和计算机视觉中一项重要的技术,也是人工智能数据集预处理的一个重要步骤。它旨在提高图像的质量,使其在视觉上更加清晰、细节更丰富。这项技术在自动驾驶、医疗诊断、安防监控等领域有着广泛…

2024年11月21日Github流行趋势

项目名称:twenty 项目维护者:charlesBochet, lucasbordeau, Weiko, FelixMalfait, bosiraphael项目介绍:正在构建一个由社区支持的现代化Salesforce替代品。项目star数:21,798项目fork数:2,347 项目名称:p…

价格分类(神经网络)

# 1.导入依赖包 import timeimport torch import torch.nn as nn import torch.optim as optimfrom torch.utils.data import TensorDataset, DataLoader from sklearn.model_selection import train_test_splitimport numpy as np import pandas as pd import matplotlib.pypl…