sigprofilerextractor中的GRCh37如何下载

Question

下载的太慢，老是timeout有没有快捷方便的方法呀
是否兼容Ensembl中的基因组文件呢

Answer 1

阿里嘎多学长整理AIGC生成，因移动端显示问题导致当前答案未能完全显示，请使用PC端查看更加详细的解答过程

解决方案

您需要下载的似乎是SigProfilerExtractor中使用的GRCh37基因组文件。下载这个文件可能会花费较长时间，如果遇到timeout问题，尝试以下方法：

1. 使用wget工具下载

   可以使用wget工具批量下载文件， wget可以处理超时问题。

wget -c -t 5 -T 30 ftp://ftp.1000genomes.ebi.ac.uk/vol1/ftp/annotations/hg19/
# 或者 ftp://ftp.1000genomes.ebi.ac.uk/vol1/ftp/phase3/integrated_sv_map/human_g1k_phase1_v35.1c1.hg19.sv.vcf.gz

其中 wget -c 表示如果下载过程中断可以从中断的位置开始下载。

-t 5 表示设置超时时间，5秒后重新开始下载。

-T 30 表示如果下载超过30秒则终止下载。

1. 使用python下载

   可以使用python的库requests进行下载。

import requests

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
url = "ftp://ftp.1000genomes.ebi.ac.uk/vol1/ftp/annotations/hg19/"
response = requests.get(url, stream=True, timeout=300)

if response.status_code == 200:
    with open("hg19.zip", "wb") as f:
        for chunk in response.iter_content(chunk_size=1024):
            f.write(chunk)

1. 与Ensembl中的基因组文件兼容性

   SigProfilerExtractor使用的基因组文件（GRCh37）与Ensembl中的基因组文件（GRCh38）不完全兼容，如果需要兼容，可以尝试使用GRCh38基因组文件。