NCBI基因组下载工具（最终版？）

NCBI基因组下载工具

搁置了很久的项目，趁着最近有空终于把它给做完了，完结撒花🌸
项目链接如下，在Linux系统下运行最佳（Mac可能在使用Rsync会有问题）
NCBI genome download tool-gitcode

该脚本便于从 NCBI Genank/Refseq 上批量下载基因组数据，可以根据需求选择下载格式，采用Rsync工具并行下载。

用法/示例

bash download.sh $1 $2 $3
#$1：IDtable.txt
#$2: Output file folder name
#$3: Database (GenBank--GB, Refseq--Ref)

#Example
bash download.sh IDtable.txt Test Ref

流程

1.预处理：从 NCBI 上下载得到 IDtable 文件

• 进入NCBI Assembly 网站 (https://www.ncbi.nlm.nih.gov/assembly/) 搜索需要批量下载的物种名称 (e.g. Escherichia coli，Viruses)
  

• 选择左侧 Status 以及 Assembly level 选中数据范围
  

• 点击中央上方Send to，勾选 file，ID Table (text)，点击 Create File 下载文件得到IDtable.txt(建议：修改下载的文件名称)
  
  

• 检查下载的数据(NA 表示没有对应的数据)

GenBank Assembly ID (Accession.version)	GenBank release ID	RefSeq Assembly ID (Accession.version)	RefSeq release ID
GCA_000500165.1	863668	GCF_000500165.1	863898
GCA_000500185.1	863688	GCF_000500185.1	864078
GCA_000523875.1	897338	N/A	N/A
GCA_000280655.1	401628	GCF_000280655.1	621018

2.使用download.sh下载数据

bash download.sh IDtable.txt Test Ref

该脚本以IDtable.txt中的Assembly ID为输入对象(GCA_000500165.1)，采用 rsync 工具批量下载 NCBI FTP(https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/000/500/165/GCA_000500165.1_MAB_082312_2258/) 上对应的氨基酸序列(_genomic.fna.gz)以及基因组注释文件(_genomic.gbff.gz)

输出文件

运行后会得到一个含有下载数据的文件夹，context 文本和 log 文本，其中 context 为 rsync 下载链接，log 记录NCBI数据库中对应物种的基因组是否含有相关数据类型文件，便于排查。