本文介绍了如何从NCBI获取物种的全部EST序列，包括通过Web界面搜索和FTP批量下载。虽然Web下载适用于少量序列，但大规模下载推荐使用FTP。由于ncbi反爬虫，直接脚本抓取效率不高。文中提到尝试使用awk脚本进行数据提取，但效果不理想。
EST：表达序列标签，expressed sequence tags 。
顾名思义，很好理解，就是表达出来的序列，即从基因组DNA上表达出来的RNA，但是我们没法测序RNA，所以我们最终测的是表达序列的cDNA片段。
“标签”：就是指这些序列可能比较短，但是可以用来标定一个物种。
常见下载方式有两种：
1. NCBI Web下载
https://www.ncbi.nlm.nih.gov/dbEST/
打开，搜索你要的物种，比如 Camellia ，可以看到结果EST (50287)。
Web下载几个还行，想要批量下载就有点费力了，ncbi反爬虫，也不好爬。
2. NCBI ftp下载
ftp://ftp.ncbi.nih.gov/repository/dbEST/
直接wget就可以批量下载了。
最低0.47元/天 解锁文章
3847
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
