本文介绍了一款名为Getfasta的程序，它能自动化批量下载GenBank的分子序列数据。通过解析ACLIST文件，Getfasta可按AC号下载fasta文件，适用于构建分子系统发育树。用户需在Linux环境下运行，程序支持指定基因片段和以taxon名称或TID作为序列标签。运行过程中会产生日志、ft2和fasta格式的输出文件。
推断分子系统发育树时，很多分子序列数据都是从GenBank等公共数据库下载的。当数据很多时，每条序列都要检索、下载十分耗时，而且容易出错。作者基于NCBI官方提供的Entrez direct软件包，二次开放了能批量下载GenBank分子序列数据的程序——Getfast。此程序能解析用户提供的ACLIST文件，并自动下载生成包含所有序列的fasta文件，供构建分子系统发育树使用。
一、运行环境
Linux系统，安装有NCBI的Entrez direct软件包
二、使用方法
1. 准备aclist文件（见示例L122_16S.aclist）。在GenBank中，每一条序列都有唯一的“ID号”--ACCESSION（简称AC号。如KT003151：代表皿蛛Nippononeta coreana的 16S 核糖体 RNA基因片段，长度401bp）。用户将所需下载序列的AC号列表保存到扩展名为".aclist"的文本文件中，AC号间用半角逗号","分隔。注意：aclist中所有序列必须为同源序列，既相同基因的片段。
2. 运行Getfasta（见示例L122.sh）。运行Getfasta添加如下参数：
-f “[aclist文件路径]”（如“$DIR/L122_16S.aclist”）（必填）
-g “[同源序列的产物名]” （如“16S ribosomal RNA”）（选填，当aclist中的一条或多条序列包含多个多个基因时，须用-g参数限定下载序列中包含指定基因的片段。）
-t "TAXON"/"T
最低0.47元/天 解锁文章
扫一扫
686
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
