NCBI 下载fna文件 human viral bacteria

基于manifest 手动批量下载

#!/usr/bin/bash
cat  manifest.txt | while read row
do
path=`dirname $row`
# para -d check dir
if [ ! -d "$path" ]; then
mkdir -p "$path"
fi
# para -f check file
if [ ! -f "$row" ]; then
cd  "$path"
wget -c https://ftp.ncbi.nlm.nih.gov/genomes/${row}
cd -
fi
done

https://ftp.ncbi.nlm.nih.gov/genomes/all
https://ftp.ncbi.nlm.nih.gov/genomes/refseq/assembly_summary_refseq.txt
manifest.txt模板

all/GCF/001/865/495/GCF_001865495.1_ASM186549v1/GCF_001865495.1_ASM186549v1_genomic.fna.gz
all/GCF/013/372/085/GCF_013372085.1_ASM1337208v1/GCF_013372085.1_ASM1337208v1_genomic.fna.gz
all/GCF/002/079/965/GCF_002079965.1_ASM207996v1/GCF_002079965.1_ASM207996v1_genomic.fna.gz
all/GCF/000/242/855/GCF_000242855.2_ASM24285v2/GCF_000242855.2_ASM24285v2_genomic.fna.gz
all/GCF/902/166/465/GCF_902166465.1_25964_2_27/GCF_902166465.1_25964_2_27_genomic.fna.gz

NCBI上基因组文件格式及解释

*.asn = ASN.1 (Abstract Syntax Notation 1) file 是NCBI的一种特定格式，包括完整的注释信息，可以用如sequin等软件打开。

*.faa = FASTA Amino Acid file 全部蛋白序列文件

*.ffn = FASTA nucleotide coding regions file 全部核酸序列文件

*.fna= FASTA Nucleic Acid file 完整的基因组序列文件（一条序列）

*.gbk = GenBank flat file format 不用说了，genbank格式的基因组注释信息

*.ptt = Protein Table 包含各个CDS（coding sequence）的完整信息表（很有用，可以方便的导入excel等软件来看）

以上这些软件都是文本类型的文件，所以可以用记事本打开，但是更加建议使用notepad++打开，会保证格式不会变化。

其中*.val是一个二进制格式的文件。

*.val = Nucleotide sequence, in ASN.1 binary format（ASN.1二进制的核苷酸序列）