NCBI SRA (Short Read Archive) 形式から fastq 形式に変換する Makefile

結論

下記に載せるようなMakefileを書いて，データファイルと同じディレクトリに配置し，
make SRA=SRR0000000.sraなどとコマンドを実行すれば良い。
ただし，SRR0000000.sraはダウンロードしてきたsraファイルの名前とする。

ファイル中で，somewhereとなっている部分は，SRA Toolkit をインストール先にあわせて適宜変えてください。

paired-end のデータの場合のFasta ファイル

## commands
FASTQ-DUMP = /somewhere/fastq-dump

## files
FASTQ1 = $(SRA:%.sra=%_1.fastq)
FASTQ2 = $(SRA:%.sra=%_2.fastq)

all: $(FASTQ1) $(FASTQ2)

# obtain the paired-end fastq files from a given sra file
$(FASTQ1) $(FASTQ2): $(SRA)
	$(FASTQ-DUMP) --qual-filter --split-files $<

paired-end でない場合のFasta ファイル

## commands
FASTQ-DUMP = /somewhere/fastq-dump

## files
FASTQ = $(SRA:%.sra=%.fastq)

all: $(FASTQ)

# obtain the fastq file from a given sra file
$(FASTQ): $(SRA)
	$(FASTQ-DUMP) --qual-filter $<

背景

NCBI SRAと.sra形式

次世代シーケンサーで得られた生データは，NCBI の SRA (short read archive) というデータベースに登録されています
http://www.ncbi.nlm.nih.gov/sra
http://trace.ddbj.nig.ac.jp/dra/index.html

ここに登録されているデータは，実験一セット(1 run)を単位として.sra形式にまとめられてます。
http://trace.ddbj.nig.ac.jp/dra/faq.html#data_files_sra

このため，データを利用する場合は，NCBIが提供しているSRA Toolkitを用いて，データ形式を変換する必要があります。
http://trace.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=toolkit_doc

今回は，fastq-dumpというツールを用いて，fasta 形式に変換することにします。
http://www.ncbi.nlm.nih.gov/Traces/sra/sra.cgi?view=toolkit_doc&f=fastq-dump

Makefile

あるファイルXから別のファイルYを生成するというような依存関係があるとき，
Makefileを書いて，依存関係をプログラムに管理してもらうと楽です。

今回は，sra形式のファイルからfasta形式のファイルを作るMakefileを書きました。