小鬼的转录组测序分析专题（六）-SRA数据库介绍

【转录组测序分析专题6】

SRA数据库介绍

【转录组测序分析专题】将要讲解流程的内容如下：

往期精彩回顾

基本格式

【转录组测序分析专题1】fq和fa格式介绍

【转录组测序分析专题2】gff和gtf格式介绍

【转录组测序分析专题3】SAM格式介绍

【转录组测序分析专题4】VCF格式介绍

数据下载和预处理

  【转录组测序分析专题5】数据下载

上次直接写了如何下载测序数据，本该先介绍一下相关数据库的，本期就来介绍SRA数据库。大致的了解一下这个数据库以及简单的搜索技巧还是很有必要的。如有更好地搜索技巧，欢迎交流分享～

先来看一眼数据库主页：

SRA数据库主页面

https://www.ncbi.nlm./sra/

SRA，全称Sequence Read Archive，序列read归档，即存储生物序列数据，可供研究团体通过比较数据集增强重现性结果并得到新的发现。它与数据库EMBL and DDBJ共享用户提交的测序数据。

目前存储的测序平台包括：

• Roche 454 GS System

• Illumina Genome Analyzer

• Applied Biosystems SOLiD System

• Helicos Heliscope

• Complete Genomics

• Pacific Biosciences SMRT

SRA database growth

（截止20190531）

数据增长曲线可在官网查看：

https://www.ncbi.nlm./sra/docs/sragrowth/

1，SRA数据库编号

这里主要有六种不同的SRA数据库编号，以S开头，官方说明链接：

https://www.ncbi.nlm./books/NBK56913/#search.what_do_the_different_sra_accessi

Accession Prefix	Accession Name	Definition
SRA	SRA submission accession 提交数据时产生的编号	The submission accession represents a virtual container that holds the objects represented by the other five accessions and is used to track the submission in the archive.
SRP	SRA study accession study的编号	A Study is an object that contains the project metadata describing a sequencing study or project. Imported from BioProject.
SRX	SRA experiment accession 实验编号	An Experiment is an object that contains the metadata describing the library, platform selection, and processing parameters involved in a particular sequencing experiment.
SRR	SRA run accession run编号	A Run is an object that contains actual sequencing data for a particular sequencing experiment. Experiments may contain many Runs depending on the number of sequencing instrument runs that were needed.
SRS	SRA sample accession 样本编号	A Sample is an object that contains the metadata describing the physical sample upon which a sequencing experiment was performed. Imported from BioSample.
SRZ	SRA analysis accession 分析编号	An analysis is an object that contains a sequence data analysis BAM file and the metadata describing the sequence analysis.

前面提到了NCBI-SRA与EMBL以及DDBJ数据库共享数据，因此还会看到以E开头的数据编号和以D开头的数据编号

来源于EMBL-EBI数据库的数据编号以E开头

Accession Prefix	Accession Name
ERA	ERA submission accession
ERP	ERA study accession
ERX	ERA experiment accession
ERR	ERA run accession
ERS	ERA sample accession
ERZ	ERA analysis accession

来源于DDBJ数据库的数据编号以D开头

Accession Prefix	Definition
DRA	DRA submission accession
DRP	DRA study accession
DRX	DRA experiment accession
DRR	DRA run accession
DRS	DRA sample accession
DRZ	DRA analysis accession

2，检索技巧

如何根据你的研究兴趣来检索到相应的数据，官方说明：

https://www.ncbi.nlm./sra/docs/srasearch/

1）SRX编号

也即实验编号，是SRA数据库发布的最小单元编号。SRA数据库检索会返回一个SRX编号列表。比如我想检索与breast cancer相关的数据，下面放一张图进行说明：

2）使用Boolean operators过滤条件

OR：与，至少包含一个关键term

AND：且，同时包含两个关键term

NOT：非，过滤掉包含的term

进一步过滤检索条件：三阴性乳腺癌，物种为人类，非细胞系数据。利用AND NOT OR关键字，如下：

(breast cancer AND triple negative) NOT 'cell line' AND 'Homo sapiens'[porgn:__txid9606]

3）使用accession搜索，四种编号：

STUDY：SRP#, ERP#, or DRP#

SAMPLE：SRS#, ERS#, or DRS#

EXPERIMENT：SRX#, ERX#, or DRX#

RUN：SRR#, ERR#, or DRR#

如SRP140592，这个project有六个样本，在GEO数据库中也有连接，如下：

4）高级检索

进入高级检索页面：

检索页面说明：

• 使用filter参数

Filter in SRA primarily allows you to find SRA records that are cross-referenced with other NCBI databases: PubMed, PubMed Central (PMC), Nucleotide, Assembly, and others.

例子：检索所有黑腹果蝇的数据，并且在PMC中有相关文献的数据：

得到PMC相关文章：

• 使用Properties参数

Properties in SRA primarily allows you to narrow search results by controlled-vocabulary library's annotations.

在Properties下使用SRA records的index：

1.'Instrument': 'instrument illumina genome analyzer iix'[Properties]

2.'Library layout': 'library layout paired'[Properties]

3.'Platform': 'platform helicos'[Properties]

5）此外还可以去BioProject数据库和BioSample数据库进行检索。