怎么批量从NCBI上下载基因序列

最新推荐文章于 2025-03-05 14:20:05 发布
最新推荐文章于 2025-03-05 14:20:05 发布
阅读量5.7w 收藏 56
点赞数 9
分类专栏： 数据挖掘 文章标签： 生物 数据库 工作 软件 batch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014374031/article/details/51321891
版权

下载序列简单不过，无非就是联网NCBI主页，选择数据库后输入AC号或GI号后直接下载。但是如何大批量下载，而且下载的序列是指定的AC或GI的呢？实现这一目的通常办法是借助一些生物软件的检索功能，诸如：Bioedit、Geneious、MacVector等。其实，NCBI自带的Batch Entrez 只需简单三步即可轻松完成这一任务。

【准备工作】
创建一个需要下载序列AC号的列表文件，每行一个独立的AC号，保存为文本文件：

这里写图片描述

【简要流程】

1、打开网页，粘贴这个网
址：http://www.ncbi.nlm.nih.gov/sites/batchentrez?

这里写图片描述

点击“浏览”按钮，选择事先准备带AC号的文本文件后，点击“Retrieve”开始检索，数秒后即可返回检索的序列记录；

这里写图片描述

3、点击检索到的序列记录“Retrieve records for 48 UID(s)”即可，后面就是“Send to” 保存要下载的序列，后面的操作就不在赘述，详见前面一些相关教程。

这里写图片描述

ncbi-genome-download批量下载基因组数据
hgz2020的博客
10-11 8589
ncbi-genome-download
从NCBI批量下载数据
qq_50637636的博客
03-13 3496
NCBI下载文献中提到的数据时，都会遇到数据较多，下载较慢的问题，本文提供了一个shell脚本可以批量化下载数据，提高工作效率。比如说，有一个Project号为PRJNA229998，GEO号为GSE52778的项目（转录组数据既有Project号也有GEO号，两者对应的同一个项目），该项目测了哮喘病人服用两种药后气道平滑肌的转录组，网址为，我想要下载服用Alb这种药和对照组为服药的转录组数据，大体分为三步走，一是拿到SRA号，二是筛选想要的SRA号，三是下载。
NCBI批量下载序列
hgz2020的博客
08-16 929
NCBI
【教程】如何在ncbi下载基因组序列
weixin_45026226的博客
03-05 508
③下载genome sequences和annotation features这两个文件（其中fasta文件是此物种全基因组序列，gff是全基因组序列的注释文件）①进入ncbi官网，搜索植物的拉丁名或者英文名。在搜索结果里，点击assembly对应的records number数字。②点击GFF右边的三个小点，在里面选择download refseq。
如何从NCBI上的Gene数据库批量下载基因序列数据
qq_65680034的博客
03-01 1万+
昨天先尝试了python脚本，为了保险起见，先编写了下载一个基因的压缩包数据，后续批量下载只需改一下ID的提供。但是比较有趣的是与官网直接手动下载相比，我编的程序下载的数据刚刚好缺了我最想要的gene.fna数据，也就是做了大半天无用功，真是drama哈哈哈。实现，但是通过Gene和Nucleotide数据库进行检索得到的结果不同，即Gene数据库检索结果不能直接得到fasta序列，它需要手动点击Download Datasets键获得基因数据压缩包，里面包含基因的fasta序列gene.fna文件。
从 NCBI 批量下载基因组的方法
weixin_30549175的博客
12-11 3855
先下载 assembly summary files The assembly_summary files report metadata for the genome assemblies on the NCBI genomes FTP site. Four master files reporting data for either GenBank or RefSeq genome as...
批量下载NCBI各种数据的方法集合
垚垚爸的博客
07-16 4362
NCBI批量下载数据,省时又省力 ncbi-api 1.0 NCBI Genome Downloading Scripts NCBI accession download script
linux下下载基因组程序,从 NCBI 批量下载基因组的方法
weixin_33372672的博客
05-03 2271
先下载 assembly summary filesThe assembly_summary files report metadata for the genome assemblies on the NCBI genomes FTP site.Four master files reporting data for either GenBank or RefSeq genome assembl...
ncbi-genome-download在NCBI上批量下载基因组
xq_ing的博客
10-12 3993
ncbi-genome-download在NCBI上批量下载基因组
linux批量下载基因组、基因序列、基因组注释信息
weixin_50180187的博客
04-08 755
输入参数为：python3 down.py -i list -o .，-i参数为你想要下载的accession_number号，-o参数为输出路径；ncbi虽然有提供专门的下载的方式，但是比较复杂，如果想知道怎么下载的，可以私聊我。我这里所提供的是我改过的，可以更加方便，快捷；话不多说，批量下载开始！需要先用conda安装一个 datasets软件，然后就可以使用咯。
从NCBI refseq 中下载特定物种的蛋白质数据
09-24
RefSeq（Reference Sequence）是NCBI维护的一个高质量序列数据库，旨在提供一个稳定的参考框架，用于研究各种生物体的基因组、转录组和蛋白质组学信息。本篇文章将详细介绍如何从NCBI RefSeq中下载特定物种的蛋白质...
从 NCBI 批量下载基因组文件
Xylonwin的博客
09-02 3608
一个简单的思路通过 Bash 脚本从 NCBI 的 FTP 服务器批量下载基因组文件，无需任何依赖
ncbi批量下载蛋白序列和基因序列
weixin_50180187的博客
11-28 3632
这个包提供根据assession number来批量下载多条序列，如果各位想知道具体用法，可以--h看看功能，我这里就不具体阐述；ncbi虽然有提供批量下载蛋白序列和基因序列的方法，但是一次性最多好像只能下载300条序列，，但是对于我们生信分析来说，有点不够用了，因为平时 可能需要下载几百、上千条序列；这就是批量下载基因序列和蛋白序列得方法了，如果有啥问题，可以留言，我会及时回复得！如果去ncbi下载，得下到猴年马月去，所以果断使用python脚本来获取；我们这里可以看到总共需要300多万的序列；
使用efetch从NCBI批量下载数据
qq_43138237的博客
03-03 2342
如下图，直接使用send to下载全部数据的话，由于数据量过大，会出现中断等情况，所以使用efetch工具下载。
批量下载基因的蛋白质氨基酸序列
weixin_40524793的博客
02-10 1万+
前提：有一批基因（有基因名，转录本编号：NM_xxxx.x，UniprotID），需要下载这些基因的蛋白质氨基酸序列。 过程： 1.根据基因名以及搜索NM编号，可以在NCBI-Gene数据库中NM编号找到对应的NP编号，点击NP编号链接，转到下载氨基酸fasta序列页面。这是下载单个基因的蛋白质序列。 2.这些基因，根据NM编号逐个按照1的方式，查询并记录其对应的NP编号（NM与 NP一一对应的信息，是否能从某数据库中获取？） Uniprot数据库中，可以通过UniprotID批量获取其NP编号（R
用NCBI的工具Batch Entrez批量下载序列
热门推荐
doudou8486的专栏
06-13 1万+
用NCBI的工具Batch Entrez批量下载序列Batch Entrez网址：http://www.ncbi.nlm.nih.gov/sites/batchentrez
NCBI数据下载的几种方法
ma1239631998的博客
01-09 1万+
批量下载Genbank中的数据
从ncbi下载数据_如何从NCBI下载所有细菌组件
weixin_26713521的博客
09-13 3456
从ncbi下载数据One of the most important steps in genome analysis is gathering the data required for downstream research. This sometimes requires us to have the assembled reference genomes (mostly bacterial...
如何通过爬虫批量获得具有关键字的NCBI蛋白质序列
qq_23341021的博客
03-31 2008
以关键字“Lysin”为例，https://www.ncbi.nlm.nih.gov/protein/?term=lysin，我们打开网址发现关于Lysin的蛋白质序列一共有13708页，每页有20条蛋白信息，通过点击FASTA，我们找到了对应蛋白的氨基酸序列，通过尝试不同序列的FASTA，我们发现其url的后缀为其蛋白的Accession号，因此我们只要得到蛋白的Accession号，我们就可以通过网址链接获取蛋白质的氨基酸序列，第一页20条蛋白的Accession号我们可以通过网址链接加...
怎么从ncbi上下载轨迹名称
最新发布
03-24
### 从 NCBI 下载基因组序列或轨迹名称的方法 要从 NCBI 获取基因组序列或轨迹名称，可以按照以下方法操作： #### 使用 SRA 工具套件下载数据 NCBI 的 Sequence Read Archive (SRA) 是存储高通量测序数据的主要数据库。可以通过 SRA Toolkit 来批量下载和处理这些数据[^4]。具体流程如下： 1. **安装 SRA Toolkit** 访问官方页面下载并安装适用于您系统的 SRA Toolkit 软件。 2. **获取 SRR 编号** 在 NCBI 中找到目标实验对应的 SRR（Sequence Run Identifier），这是每条记录的唯一标识符。 3. **运行 prefetch 命令** 利用 `prefetch` 命令将指定的 SRR 文件下载到本地缓存目录中。例如： ```bash prefetch SRRXXXXXX ``` 4. **转换为 FASTQ 格式** 将原始 `.sra` 文件转化为标准的 FASTQ 格式供后续分析使用： ```bash fasterq-dump SRRXXXXXX ``` #### 直接访问 FTP 链接 对于某些项目，可以直接通过其提供的 FTP 地址手动下载所需文件。例如，在 Bioproject PRJNA631442 中提到的数据集可能已经上传至特定路径下[^1]。通常情况下，这类链接会以类似于下面的形式呈现： ``` ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRRXXX/SRRXXXXX/ ``` #### 利用 GEOquery R 包自动化处理 GSE 数据集 如果关注的是 Gene Expression Omnibus (GEO) 平台上的公开表达谱，则推荐采用 Bioconductor 提供的 GEOquery 包来简化工作流。以下是基本代码框架： ```r library(GEOquery) # 加载远程服务器中的软文摘档 (.soft.gz) gse <- getGEO("GSEXXXX", GSEMatrix = TRUE, Annotate = FALSE) # 导出纯文本矩阵形式的结果保存成 CSV 文件 write.csv(exprs(gse[[1]]), file="output_expression_matrix.csv") ``` #### 注意事项 - 不同类型的生物学样本可能会涉及多种格式转化需求，比如 BAM 至 SAM 或者 VCF 解析等，这需要额外调用 samtools 和 bcftools 这样的命令行工具支持。 - 对于全基因组水平的研究课题来说，除了读取片段外还需要考虑参考组装版本的一致性问题以及潜在的大规模结构变异检测任务[^3]。 ---
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值