利用entrez提供的web服务快速下载大批量序列信息

首先在ncbi的搜索页面上用关键词进行搜索，确认符合条件的结果数。由于搜索页面上分页显示的，不能一次得到大量的序列信息。要一次得到所有的序列Id，可以使用esearch服务。比如以carabus为关键词搜索nucleotide库。在搜索页面得到的结果数是4000左右，
根据初步搜索的结果数，调整下面链接中的retmax参数至比结果数略大或至少相等，这里设为5000。
http://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=nucleotide&term=carabus&retmax=5000&usehistory=y

其中retmax为返回结果最大条数；usehistory指定保存搜索结果供下一步（比如efetch服务)使用。在浏览器地址栏中键入上述网址，回车，回返回一个包含了所有符合条件记录的Id的xml文件。这一步返回的结果中还会有WebEnv和QueryKey两个值，WebEnv实际上就是对上一步保存结果的引用。如果你只需要Ids，到这一步够了。如果需要所有Id对应的序列或更多信息，可以使用的efetch服务。将WebEnv和QueryKey这两个值替换下面这个链接的相应值：
http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=nucleotide&WebEnv=xxxxx&retmax=5000&rettype=fasta&retmode=text&query_key=1
rettype即返回结果类型，可以为native/fasta等，缺省为native。
retmode即返回结果格式，可以设置为xml/html/text等,具体参见efetch的说明。在浏览器地址栏中键入上述网址，回车，一个包含4000多条序列的fasta格式的文件就开始下载了。

附esearch和efetch服务具体说明网址：
1. http://eutils.ncbi.nlm.nih.gov/corehtml/query/static/esearch_help.html
2. http://eutils.ncbi.nlm.nih.gov/corehtml/query/static/efetchseq_help.html

转载于:https://www.cnblogs.com/agateriver/archive/2009/10/03/1577696.html