GSA数据下载_qtransc与AI提需求

#!/usr/bin/env bash
# ============================================================
# GSA（国家基因库）FASTQ 批量下载脚本 — 基于 qtransc 工具
#
# 来源: 生信技能树《还有比ascp更快地下载fastq的工具吗？飞一般的速度！》
# 原文: https://mp.weixin.qq.com/s/j38B6yOZ5_CNvfSThC2RNQ
# 蒸馏整理: hz-bioinfo-codes / 04_数据下载与备份 / 5.2
#
# 前置: 已安装 qtransc（安装方法见同目录 02_README.md）
#
# 用法:
#   1. 准备 id.txt，每行一个 CRR 样本号
#      （从 https://ngdc.cncb.ac.cn/gsa/browse/<CRA> 页面或
#        https://qtp.cncb.ac.cn/qtrans/v2/file?path=/gsa2/<CRA> 文件浏览器获取）
#   2. 修改下方 CONFIG 的三个变量
#   3. bash 01_qtransc_batch_download.sh        # 生成 down.sh 并预览
#   4. nohup bash down.sh 1>down.log 2>&1 &     # 后台投递
#   5. qtransc                                   # 随时查看下载进度
# ============================================================

# ---------------- CONFIG ----------------
CRA="CRA008977"                           # GSA 子数据集 accession（改成自己的）
OUT_DIR="/nas1/zhangj/project/CRA008977"  # 下载目标目录（改成自己的）
ID_FILE="id.txt"                          # 样本 CRR 号列表，每行一个
# ----------------------------------------

mkdir -p "${OUT_DIR}"

# 生成下载命令
# GSA 路径规律: /gsa2/<CRA>/<CRR>/<CRR>_f1.fastq.gz + <CRR>_r2.fastq.gz（+ <CRR>_sta.xml）
# ⚠️ 不同提交的文件命名不统一（有的写作 r1.fq.gz / r2.fq.gz），
#    投递前务必先去 qtransc 文件浏览器核对真实文件名！
cat "${ID_FILE}" | while read -r ID
do
    [ -z "${ID}" ] && continue
    echo "qtransc download /gsa2/${CRA}/${ID}/${ID}_f1.fastq.gz ${OUT_DIR}/"
    echo "qtransc download /gsa2/${CRA}/${ID}/${ID}_r2.fastq.gz ${OUT_DIR}/"
done > down.sh

echo "=== 已生成 down.sh，共 $(wc -l < down.sh) 条命令，预览前 5 条 ==="
head -5 down.sh
echo ""
echo "=== 投递:   nohup bash down.sh 1>down.log 2>&1 & ==="
echo "=== 查进度: qtransc ==="
echo "=== 完成后: 从 GSA 页面下载 md5 文件，cd ${OUT_DIR} && md5sum -c md5.txt ==="