查詢公共組學資料並整理檔案清單

從已知登入號或研究主題出發，檢查公開測序執行的後設資料，儲存包含來源地址及可用校驗值的檔案清單。下面的案例產出檔案清單，下載資料和分析資料是後續獨立任務。

開始前，按科學資料庫啟用所需 Connector，選擇已連線的模型，並確保 Notebook 執行環境可用。

1. 從已知執行編號獲取檔案清單

1. 在 Settings → Connectors 中啟用 Omics Archives。向 ena_search_runs 提供公開的 ENA/INSDC 登入號，如 PRJ 專案或 SRR 執行。GEO 的 GSE 標識需要先找到關聯的 INSDC 專案；本工具不接受關鍵詞搜尋。
2. 檢查 run_accession、物種、文庫策略與佈局，以及 truncated。最多返回 1,000 個執行，沒有偏移量或續頁標記；結果截斷時應縮小登入號範圍。
3. 將返回的某個執行傳給 ena_get_run_files，檢查 found、fastq_available 和全部 fastq_files 條目。清單提供地址、壓縮檔案大小和上游 MD5，本身不會下載或校驗檔案。
4. 單獨下載前檢查儲存空間並儲存清單，下載後按列出的校驗值核對檔案。雙端文庫未必恰有兩個檔案，不能把 file_index 當作 R1/R2 標記。

案例演示 生成 SRR037073 的檔案清單

本例在 v0.31.1 使用 Codex subscription 和已啟用的 Omics Archives Connector。開啟 Notebook 執行環境可用的會話，傳送：

Use Omics Archives through Session Notebook. Load its connector instructions.
Call ena_search_runs with accession SRR037073 and limit 10, then
ena_get_run_files with run_accession SRR037073. Do not download FASTQ files.
Save the complete responses as ena-run.json and ena-files.json.
Save every returned file entry as ena-fastq-manifest.csv with columns
file_index,url,size_bytes,md5. Save ena-run-notes.md with the exact inputs,
run identity, completeness flags and download limits. Keep everything in
English. Report actual errors or empty results; do not invent data.

開啟生成的說明。本次實際返回 1 個執行，物種為 Caenorhabditis elegans，專案為 PRJNA123835，文庫為 RNA-Seq、SINGLE，且 truncated: false。使用檔案前，先核對物種和文庫佈局。

開啟 CSV 並與 ena-files.json 對照。本次 found: true、fastq_available: true，返回 1 個檔案，大小為 25,154,397 位元組。清單保留 FTP 地址和上游 MD5；預覽列顯示不全時，從下載檔案中複製完整值。

查詢說明 · FASTQ 清單 · 執行響應 · 檔案響應

兩次查詢和清單生成均已完成。本例沒有下載 FASTQ 或校驗檔案內容，後續下載是獨立步驟。具體引數

2. 按主題發現執行並檢查專案檔案

有研究主題、還沒有登入號時，使用 ena_query_runs。它按 AND 組合物種、文庫策略和關鍵詞條件，至少提供一個條件；tax_id 包含下級分類。預設返回上限為 100，最多 1,000。截斷結果沒有續頁標記，應縮小查詢範圍，不能把返回數量當成資料集總數。

案例演示 查詢五個人類 RNA-Seq 執行，檢查 ENA 與 PRIDE 檔案清單

1. 在 Settings → Connectors 中啟用 Omics Archives，開啟已連線模型且 Notebook 執行環境可用的會話。本例使用 Codex subscription。
2. 傳送下方提示詞，僅查詢後設資料。ENA 查詢與 PRIDE 專案是兩個獨立示例，不是同一研究的配對樣本。
3. 開啟 ena-discovery.json，先核對查詢條件、物種、執行登入號和 truncated，再選擇檔案。

Use Omics Archives through Session Notebook. Query ena_query_runs with
tax_id 9606, library_strategy "RNA-Seq", keyword "breast" and limit 5.
For the first returned run, call both ena_get_run_files and
ena_get_submitted_files. Separately call pride_get_project_files for
PXD000001, page 0, page_size 5; fetch its next_page once if present.
Save the exact requests and responses as ena-discovery.json,
ena-file-inventory.json and pride-file-pages.json. Save a combined
omics-file-inventory.csv and omics-discovery-notes.md. Keep generated
FASTQ, original submitted files and PRIDE records distinct. Preserve
every supplied location, size and checksum; do not infer missing values
or checksum algorithms. State query limits and pagination. Do not download
data files. Keep everything in English and report actual empty results.

4. 對照選中 ENA 執行的兩種檔案清單。本例返回 5 個執行，truncated: true。首個執行 SRR077868 有 1 個歸檔 FASTQ，大小為 462,508,712 位元組，並提供上游 MD5。原始提交清單則為 found: true、submitted_available: false，返回 0 個檔案。執行記錄存在，並不代表兩種清單都有檔案。
5. 檢查 PRIDE 分頁。PXD000001 第 0 頁返回 5 條檔案記錄，第 1 頁返回 4 條，api_total: 9，最後的 next_page: null。合併 CSV 有 19 行：九個 PRIDE 檔案各提供兩個位置，再加一行 ENA FASTQ。統計檔案數量時按檔案登入號計數，不要把不同下載位置算成不同檔案。

查詢說明 · 合併清單 · ENA 檢索結果 · ENA 檔案清單 · PRIDE 分頁結果

這裡得到的是檔案清單，還沒有下載測序或蛋白質組資料。歸檔 FASTQ 與 BAM/CRAM 等原始提交檔案用途不同。ENA 原始 FTP 路徑應逐字保留，包括可能出現的 #。PRIDE 應按 next_page 和返回後設資料判斷分頁；其他專案的 api_total 可能缺失，校驗和文字也未必說明演算法。單獨下載前選擇所需格式、檢查儲存空間，有上游校驗值時再核對下載位元組。具體輸入見操作參考。