SRAtoFastq | 任何人都能自主分析测序原始数据
蓦然回首
在身不由己，无法有什么动作的时候，我就会开始天马星空，胡思乱想。隐约想起了几年前，在华南农林学院某会议室，我大体介绍了一下 TBtools 。介绍完了，有收到这么一个问题，“能不能直接分析测序原始数据？比如 RNA-seq”。
我已经忘了当时我是如何回答。当然，很明显，主题是不能。因为在那时看来，即使是简单的转录组数据分析，本身也涉及较大的计算量。对绝大多数 TBtools 用户来说，可能工作设备就是一个普通的上网本，如 4G 内存甚至2G，4个线程 甚至...。其实类似的分析，从界面化软件来说，有 CLC，Genious ... 从不少公司来说，有成熟的云平台。用户其实只需要支付一定的费用，比如一年数千以上，就可以搞定。成熟的商业服务，其实我个人觉得很值。以前这么觉得，现在依旧这么觉得。
于是，这个事情，一放就是几年。
近期在忙学位论文的事情，有时候突然有一些想法，想看看某个物种某些基因在某些组织或者处理前后的表达模式。勉强算是验证 Naive 科研猜想。于是这个时候，又要回去搞命令行。多少觉得麻烦，我其实已经很久没有碰 Linux 了。毕竟我主要还是做生物学问题，并没有太多数据需要跑跑。那现在咋办？
转念一想，当年的问题，其实没那么简单。因为他不仅仅是一个用不用的问题，更是一个用多少的问题。比如买个服务器天天鼓捣和买个服务器吃灰，这是两码事。用户的需求总是千变万化，对于只是需要分析一小套数据（比如Case-Control 6 个样品），而且是公开数据的人来说，其实为此购买商业软件或者云平台，很难认为值得。这个对于商业公司来说，亦是相同：
小单，并不足够利润，甚至不及沟通成本
分析结果用户不一定满意，不接反而省事
从销售出发，赚这单，不如卖人情；然而销售和技术是两码事，还预占公司计算资源，无解
结论即是困局。两边都觉得不值。那咋办？
回过头来，这便是缺口，一个公益的缺口。（好吧，脏活累活大家都不想做，那就我来做）。
简陋计划
我一直提及，并不想写一个打包软件。TBtools 现在也不是打包软件。感兴趣的还是可以看看《Molecular Plant》期刊上 TBtools 的文稿。结合实际情况，组学数据分析或者是转录组测序分析涉及到非常多的成熟软件，比如 sra-toolkits 等。这些本身跟 BLAST 一样，几乎没有重新实现或者重写意义...
于是，打包似乎是无解之解。两相权衡，那就以插件的形式逐个分发。暂定计划如下：
SRA 数据下载 - 已完成；前述写了两个推文，两个功能完全可以胜任
SRA 数据格式转换为 Fastq 格式
Fastq 数据质量查看？
测序数据质量控制
表达量矩阵估计
....
基于我个人的习惯，计划让所有步骤都能在普通的个人工作电脑，即不超过 4G 内存的本子上完成....
插件小四 - SRA to Fastq
Emmm，如何完美获取公开的测序原始数据，在《生信札记》上我已经给出解决方案。今天释放 TBtools 插件 “小四”，SRAtoFastq。
大多数时候，我们下载到的原始数据是 .sra 格式。进行下一步数据分析，需要自行将 .sra 格式转换为 fastq 格式（Emmm，其实也存在少数软件直接支持.sra数据，此处不展开）。
整体上，完成这一步只有两个做法：
使用NCBI 的 SRA toolkits
去NCBI，用内部的 Java 程序
显然，2. 不可行，故选择 1.。软件的安装其实简单，只要下载，解压之后即可使用。TBtools 的目的是“拆除使用门槛”。于是，插件小四是一个打包插件。用户只需要安装这个插件，皆可直接在 TBtools 中，进行 .sra 格式到 .fastq 格式的转换。
插件安装
计划接下来比较多的功能以插件的形式发布，在测试过程中，我发现现有的安装模式显得麻烦。于是做了优化。
修改前，用户需要一个跳转目录，找到插件文件位置。
修改后，用户可以直接拖拽，放置，从而瞬间完成输入
只需要将插件放进去，即可完成选择
点击打开，即可完成插件安装
插件的使用
Emmm，这个有点太简单。
直接拖拽输入 .sra 文件（支持多文件...）
注意：输出文件与输入文件在同一个目录下，所以建议先把.sra 文件复制或者移动到工作目录。
点击 Start 等待完成即可
由于是单端数据，所以一个样品只会输出一个.fastq文件。若是双端测序，则每个样品有两个文件.fastq文件