进行跨物种分析时,我们常常需要用到各种物种的参考基因组序列、蛋白序列或者各种参考注释gff/gtf文件,以此作为参考或者输入文件。如何快速批量地获取这些文件呢?
我们都知道NCBI中有一个dataset数据库(Datasets - NCBI - NLM)可以通过物种图片和拉丁名精准识别我们所需要的物种信息。这里介绍的就是如何将这个数据库中的数据下载到本地。
本地软件准备
dataset数据库配套的command-line tools(Command-line tools)
可以选择需要的平台下载,这里我们要下载到本地电脑文件夹,所以选择windows
下载完成后找到一个dataset.exe的文件,记住它的路径
我这里放在我的电脑D盘
最后我们选择一个可以输入命令行的平台即可,我这里选用的是MobaXterm的local terminal
查找物种
然后我们就可以在dataset官网查找想要了解的物种
查找到之后点击下面推荐的参考基因组详情页进入
进入之后找到对应的dataset下载命令行复制
下载序列信息
然后就可以进入我们的terminal,进入.exe文件所在的路径,简单修改一下我们的下载命令为自己的本地路径即可
这里我选择下载的是cds和protein序列,但是无论下载多少信息数据,一个物种下载完都是一个名为ncbi_dataset.zip的压缩包
解压完如下,还有一个README的说明文件
虽然这些数据在网页也能直接下载,但是命令行的下载方式会比网页快很多,在进行批量下载时可以节约很多时间~