批量下载蛋白fasta文件
目的:计算蛋白特征
1、最初尝试:利用R getFASTAFromUniProt函数
library(Rcpi)
filename_id = 'pro_id_all.csv' # 数据量:18864
id <- read.csv(filename_id,header = T)
id_2 = as.vector(as.matrix(id))
a <- getFASTAFromUniProt(id_2)
write.table(a,'all.txt')
少数据量测试结果:
利用endnote将
"
“\d” "
替换掉。
18864个ID,跑了三天还没结束!
放弃!
2、尝试服务器跑 夭折
安装Rcpi包
报错:installation of package ‘Rcpi’ had non-zero exit status
解决:还没仔细研究!
3、直接在uniprot下载:参考 uniprot 蛋白库下载及添加到PD流程.
成功!所有人类蛋白 188357
下载的fasta有两种前缀:sp 和 tr的区别.
sp表示Swiss-Prot,Swiss-Prot数据库是注释精炼的蛋白序列库,它的所有序列都经过了科学家的查阅文献核实(reviewed, manually annotated) 。
Tr表示TrEMBL,TrEMBL数据库全称“Translation of EMBL”,是从EMBL中的cDNA序列翻译得到的,其中TrEMBL收录的是未经人工注释的编码DNA序列翻译数据。
4、选择需要的uniprot id 对应的fasta
需要的蛋白:
总fasta文件: 188357