NCBI-SRA数据上传指南 | 云课堂(15)

一直关注联川公众号的小伙伴们都知道，联川云平台已于2018年12月6日正式上线( http://cloud.lc-bio.com:5390/index.html)；

还没使用过的小伙伴，赶紧点开大显身手一番~使用指南详情请戳此链接：联川生物云平台使用指南；

联川云平台包含FAQ/SOP和云平台双重功能：丰富的FAQ/SOP，助你快速上手入门，更有详尽的分析技能小技巧等你来学习；云平台中包含科研中经常用到的分析绘图软件，可对实验数据进行统计分析、绘图等。

今天小编将与大家一起分享云平台里的NCBI-SRA数据上传指南，一起学起来吧~

SRA（Sequence Read Archive，之前称为Short Read Archive）是一个生物信息学数据库，为DNA测序数据提供公共储存库，特别是通过高通量测序生成的"short reads"（通常是小于1000碱基对长度的序列）。

今天给大家介绍SRA数据上传流程，该方法不但无需单独申请biosample和bioproject，而且再也不用担心没有服务器、上传慢的情况发生了。

1．注册NCBI账号（如果已有账号跳过该步骤，标星为必填信息）：

注意：注册完成后，NCBI会给填写的邮箱发激活邮件（Activate your new NCBI account），注意查收并点击邮件中的网址进行激活。

2．点击NCBI-Submit，然后选择下图所示的Nucleotide Sequences（SRA），并点击GO进入：

3．点击New submission进入：

注意：只有邮箱激活才会出现New submission的入口。

4．输入您的信息（该步骤需要您填写的邮箱进行验证）：

5．由于之前没有单独建biosample和bioproject，后续步骤需要新建，并根据需要自行选择数据释放的日期：

6．填写Bio Project信息（给您的实验取个名字并做出简要描述）：

7．BioSample 类型（样本类型选择，参考下图选择，比如宏基因组/环境样本）：

8．Biosample属性：

注意：选择excel文件或tsv文件下载，其中tsv格式的文件可用excel打开，按照每列的提示填写信息，每列表格都有固定格式，特别是organism列切记准确填写。（此外，在信息填写完成后，只支持tsv或者txt格式的文件上传，如果您下载的excel表格，填写完成后，需要另存为txt或tsv格式才能上传，粘贴填写内容的部分即可），具体的说明详见下图。出现warning不用管，可以继续上传。

9．SRA metadata此步骤为批量上传的关键：

具体的填写规则见下表的信息。Excel表格中填写好相应表格（包括未填写内容的Bioproject_accession也要粘贴进txt，最后的file3、file4则可不必）。

注意：filename是对应上传数据的文件名，后续上传的文件名字必须与此对应。上传文件支持tar，tar.gz，tgz，tar.bz2，taz2，gz等格式。

10．上传序列

这里许多老师可能会遇到数据量，上传速度慢，ftp中断的情况，这里提供几种上传的方式供选择：

（1）最简单的上传方法

如果您的样本少，数据量小，您可以直接选择通过网页上传。

注意：双端序列，需要将R1，R2两端序列均上传。

（2）最快速的方法

这里需要用到NCBI推荐的aspera软件，下载及用法见下图：

①点击 Sequence Read Archive(SRA)回到以下界面：

②点击Aspera browser plugin upload，下载并安装windows版本的Aspera软件以及Key file：

③把这些软件下载安装到windows下后，运行dos命令窗口：

④指令运行：

a.首先进入到Aspera安装路径，

b.运行命令行：

ascp -i 第二步下载的key文件（注意带上文件的目录） -QT -l100m（上传最大速度，这里设置的为100M，如果觉得太快或太慢，可适当调整） -k1 -d 数据存放的目录（目录一“\”结尾） [e-mail]:uploads/[e-mail]_jZdRWIub（邮箱_生成的随机码）

注意：第二步中Aspera Command-Line upload有具体的命令行指令，以及需要上传的路径，只需要修改key文件路径和数据目录即可运行上传数据。此外，需要将所有的数据存放在一个目录下，最终的数据会上传至-d参数最后的文件夹命名的文件夹内，比如上图的代码中，数据自动传到以cleandata命名的文件夹内。

（3）服务器上传方法

如果您有服务器，可以在NCBI网页aspera下载linux版本，然后用命令行的方式进行数据上传，命令行的指令与上一步的一致。

注意：可以将指令写入shell脚本运行指令上传数据，而且NCBI支持断点上传，如果在上传过程中有部分文件上传失败，只需要重新运行shell脚本，它会自动跳过已经上传成功的数据，重新上传失败的数据。

至此，数据上传就完成了，您可以点击下图红框标出的按钮来选择需要使用的数据文件夹，然后点击Continue。

注意：此处只能选择一个文件夹，对于多个样品的数据上传，需要将所有的数据放进一个文件夹。

11. 上传信息核对，信息核对无误后，点击Submit上传:

12. 序列登录号获取：

所有步骤完成后，网页会自动跳转至 SRA界面，申请的相应提交进程处于  processing；根据不同的样本量需要等待 30分钟左右，待相应进程变为Processed后，可以查询序列登录号；其中SRP即最后需要登录号，意味着原始数据上传成功。

NCBI-SRA数据上传指南就分享完了，除了本教程联川云平台还有很多小技能供学习哦~下载本教程请至云平台：http://cloud.lc-bio.com:5390/faq/sop_detail.php?id=68或直接点击文末左下角“阅读原文”下载~

云平台登录和注册的流程

云平台目前只针对联川客户开放，注册需用正确的合同号进行注册哦，有多个合同的填写任意一个合同号即可。暂不能体验的小伙伴也别着急，随着平台的优化，也会逐步对全员开发的~注册链接如下：

http://cloud.lc-bio.com:5390/app/signin.html

也欢迎给位给我们的云平台留言、提建议

在大家的督促下，我们的云平台会越做越好

相关阅读