SRA Toolkitの設定
SRA Toolkitの設定は、以前の記事を参考のこと。
Mac版のSRA Toolkitを設定すれば、
そのままの設定で、fasterq-dumpコマンドも実行できる。
fasterq-dumpコマンドで、FASTQファイルを高速に取得する
SRA toolsの2.9.1リリースで、fastq-dumpツールに代わる「fasterq-dump」ツールが利用可能になった。
その名の通り、fasterq-dumpコマンドは、一時ファイルやマルチスレッドを利用して、
より高速に動作し、SRAオブジェクトのFASTQファイルへの大規模な変換に適している。
コマンドのオプションは、従来のfastq-dumpコマンドといくつかの相違点があるので注意が必要である。
fasterq-dumpの基本形
まずは、fasterq-dumpの使い方を以下に示す。
fasterq-dump [ options ] [ SRA accessions(s) / ID ]
fastq-dumpでは、ペアリードを左端と右端に分離するためのオプション設定（--split-3）が必要であるが、
fasterq-dumpではデフォルト設定となっている。
fastq-dumpコマンドと同じく、SRAアクセッション番号を指定して実行する。 以下のコマンドは同等であるが、fasterq-dumpを使用した方が高速に実行される。
#fastq-dumpの実行例 fastq-dump [SRR_ID] --split-3 --skip-technical #fasterq-dumpの実行例 fasterq-dump [SRR_ID]
以下に、Run ID: SRR17327096での実行結果を示した。
#プログレス表示にて実行 fasterq-dump SRR17327096 -p #join :|-------------------------------------------------- 100% #concat :|-------------------------------------------------- 100% #spots read : 110,774 #reads read : 221,548 #reads written : 221,548 ls #SRR17327096_1.fastq SRR17327096_2.fastq
100MBくらいのサイズだとよく分からんけど、気持ち早い気がする。
複数のSRAオブジェクトに対する、fasterq-dumpの実行
シェルスクリプトで複数のファイルに対して処理する場合には、 以下のコードが使える。
while read line; do; fasterq-dump -p $line; done < ./SRR_Acc_ListR.txt
ここで、SRR_Acc_ListR.txtには、下記例のように、1行に1つずつ、SRR IDを記載した形とする。 この時の注意ポイントとして、txtファイルの最終行に、必ず空行を入れておくこと。
fasterq-dumpのオプション
Options:
-o|--outfile output-file
-O|--outdir output-dir
-b|--bufsize size of file-buffer dflt=1MB
-c|--curcache size of cursor-cache dflt=10MB
-m|--mem memory limit for sorting dflt=100MB
-t|--temp where to put temp. files dflt=curr dir
-e|--threads how many thread dflt=6
-p|--progress show progress
-x|--details print details
-s|--split-spot split spots into reads
-S|--split-files write reads into different files
-3|--split-3 writes single reads in special file
--concatenate-reads writes whole spots into one file
-Z|--stdout print output to stdout
-f|--force force to overwrite existing file(s)
-N|--rowid-as-name use row-id as name
--skip-technical skip technical reads
--include-technical include technical reads
-P|--print-read-nr print read-numbers
-M|--min-read-len filter by sequence-len
--table which seq-table to use in case of pacbio
--strict terminate on invalid read
-B|--bases filter by bases
-A|--append append to output-file
--fasta produce FASTA output
--fasta-unsorted produce FASTA output, unsorted
--seq-defline custom defline for sequence: $ac=accession,
$sn=spot-name, $sg=spot-group, $si=spot-id,
$ri=read-id, $rl=read-length
--qual-defline custom defline for qualities: same as
seq-defline
-U|--only-unaligned process only unaligned reads
-a|--only-aligned process only aligned reads
--ngc <PATH> PATH to ngc file
-h|--help Output brief explanation for the program.
-V|--version Display the version of the program then
quit.
-L|--log-level <level> Logging level as number or enum string. One
of (fatal|sys|int|err|warn|info|debug) or
(0-6) Current/default is warn
-v|--verbose Increase the verbosity of the program
status messages. Use multiple times for more
verbosity. Negates quiet.
-q|--quiet Turn off all status messages for the
program. Negated by verbose.
--option-file <file> Read more options and parameters from the
file.
補足
single-endか、paired-endの判定プログラム
fastq-dumpの-split-spotオプションを使う、シンプルな方法で、 SRAファイルがシングルエンドかペアエンドかを判断できる。
以下に、シェルスクリプトでの実行コードを示す。
srr="SRR17327096"; numLines=$(fastq-dump -X 1 -Z --split-spot $srr | wc -l); if [ $numLines -eq 4 ]; then; echo "$srr is single-end"; else; echo "$srr is paired-end"; fi
fastq-dumpコマンドとの相違点
-Z（--stdout） オプションは、split-3とsplit-files では機能しない。 この場合、ツールはファイルの生成にフォールバックする。
--gzipや--bizp2のオプションがないので、ファイルを出力した後に別処理で圧縮する必要がある。
accessionには、-Aオプションがない。accessionまたは絶対パスを指定することになる。
fastq-dumpは複数のaccessionsを取らず、1つだけ取る。
-N（--minSpotId） と -X（--maxSpotId） オプションはない。
fastq-dumpは、Linux、MacOS、Windowsの3つのプラットフォームで利用できる。
