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

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 SRA、Amazon AWS 和 Google 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 SRA、FASTQ、FASTA 或 GZIP。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 CSV、TSV、JSON 或 Parquet 格式。

3. 安装选项：

• 通过 Bioconda 安装：最简单的安装方法是通过 conda 从 bioconda 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：get、extract 和 annotate。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：

在 get 模式下，Kingfisher 支持以下几种下载方式：

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