如果大家学过我免费共享在B站上不同的数据分析视频课程，见：

• 免费视频课程《RNA-seq数据分析》交流群组建通知
• 免费视频课程《WES数据分析》交流群组建通知
• 免费视频课程《ChIP-seq数据分析》交流群组建通知
• 免费视频课程《ATAC-seq数据分析》交流群组建通知
  可以发现，这些三年前的视频教程里面都是从SRA（Sequence Read Archive）数据库下载文献的测序数据，我也在五年前详细解读过SRA数据库的结构：
  层级结构是：SRP(项目)—>SRS(样本)—>SRX(数据产生)—>SRR(数据本身)
  伴随数据库是project，层级是PRJNA —> SAMN
  链接如下：
• https://www.ncbi.nlm.nih.gov/sra?term=SRP078156 查看样本列表
• https://www.ncbi.nlm.nih.gov/Traces/study/?acc=SRP078156 下载样本ID表格
• https://www.ncbi.nlm.nih.gov/bioproject/PRJNA327548
• https://www.ncbi.nlm.nih.gov/sra?term=SAMN05341212
  当然了，实际上是有六种不同的SRA数据库编号，以S开头，官方说明链接：
  https://www.ncbi.nlm.nih.gov/books/NBK56913/#search.what_do_the_different_sra_accessi 不过我们不需要掌握那么多。
  但是很多学员反馈说，跟着我的代码，下载SRA数据库的文件速度非常感人，也就是十几KB每秒，而我们的测序原始数据经常就几个TB，所以都放弃了。
  后来我又统一整理了文献数据下载教程，因为美国的NCBI的SRA与欧洲的EBI-EMBL以及日本的DDBJ数据库共享数据，所以我建议大家去EBI下载，见：使用ebi数据库直接下载fastq测序数据 , 首先使用conda安装aspera

  conda create -n download
  conda activate download
  conda install -y -c hcc aspera-cli
  conda install -y -c bioconda sra-tools
  which ascp
  ## 一定要搞清楚你的软件被conda安装在哪
  ls -lh ~/miniconda3/etc/asperaweb_id_dsa.openssh
  

  我们已经多次介绍过conda细节了，这里就不再赘述。

• conda管理生信软件一文就够
• 生信技能树B站软件安装视频
• https://www.bilibili.com/video/av28836717
  然后就可以使用conda配置好的aspera软件进行高速下载，同时需要学习欧洲的EBI-EMBL以及日本的DDBJ数据库的编号规则：
  

  首先SRA数据库准备放弃存储碱基质量值

  但是今天（2020-07-04 ）刷朋友圈居然看到了 Heng Li 的推特截图：
  
  居然，SRA数据库准备抛弃用户上传的fastq测序数据里面的质量值。

  关于fastq格式测序数据

  FastQ格式也是序列格式中常见的一种，它存储了生物序列以及相应的质量评价，其序列以及质量信息都是使用一个ASCII字符标示，最初由Sanger开发，目的是将FASTA序列与质量数据放到一起，目前已经成为高通量测序结果的通行标准格式。
  FastQ格式和FastA格式都是用来表示序列，其中FastQ格式是4行表示一个序列，而FastA格式只有两行。FastQ格式增加了2行，但其实仅仅是增加了序列对应碱基的质量值信息。
  FASTQ文件中每个序列通常有四行：

• 1.第一行：必须以“@”开头，后面跟着唯一的序列ID标识符，然后跟着可选的序列描述内容，标识符与描述内容用空格分开；这个与FastA格式的第一行类似，差异就是FastA格式的序列标识通常是大于号”>”开头。
• 2.第二行：序列本身，只允许使用既定的核苷酸或氨基酸编码符号，编码规则见前文的标准IUB / IUPAC 表格；
• 3.第三行：通常就是一个简单加号字符“+”占位即可
• 4.第四行：序列的碱基组成的质量字符，每个字符对应第二行相应位置碱基或氨基酸的质量。

重点是理解质量字符，比如A，首先大家需要理解ASCII码，然后需要理解Phred quality score。

居然还收费

怕粉丝理解不清楚，Heng Li又解释了一番：

不知道是不是受疫情影响？
可以考虑作为国内的测序数据存储中心，大家可以留言推荐一下国内好用的数据库哦！