下载有summary的基因组

• 在NCBI基因组数据库搜索物种

  

• 下载元数据

  

• 获取下载链接
  打开下载的元数据文件prokaryotes.csv（该文件也可以直接去NCBI FTP中下载，一般在各物种的目录下，名字为assembly_summary.txt，其格式与prokaryotes.csv略有不同，但都含有链接），将倒数第二列或最后一列的链接拷贝到TXT文本文档中，在每一行的最后加上要下载的文件名和数据类型：

  • 基因组：文件名 _genomic.fna.gz
  • 蛋白序列：文件名 _protein.faa.gz
  • CDs序列：文件名 _cds_from_genomic.fna.gz
  • …

  可参考下图中的示例进行命名：
  

  

  建议用正则表达式替换（依赖EditPlus或其他具有正则表达式功能的文本编辑器），以基因组序列为例：

  
  

• 开始下载
  将获得的完整链接保存到名字为link.txt的文本文档中，在LINUX终端中运行for link in $(cat link.txt); do wget -c $link; done即可批量下载基因组到genome目录中。若不慎在行末引入了看不见的换行符，可以用命令perl -pe 's/[\n\r]+//g' link.txt > link2.txt进行删除。再用for link in $(cat link2.txt); do wget -c $link; done下载。

SRA数据下载

• 下载SRA Toolkit

  根据自己的系统选择合适的版本进行下载，并将软件包中bin的绝对路径或相对路径加入到环境变量中，以便可以在终端中直接调用。

• 设置默认下载目录

  如果不设置，默认会将基因组下载到家目录下，通过在终端里输入vdb-config -i命令配置下载目录，即下载到当前目录下。

  

  

• 准备包含SRA号的列表文件，每一行含有一个编号，文件命名为SRA.list。

• 开始下载
  将列表文件与脚本downloadSRA.pl放在同一目录下，在终端中运行perl downloadSRA.pl。

利用FTP软件根据物种下载基因组

在右侧的列表中选中所有目录拖拽到本地即可开始下载。

根据WGA assession number下载基因组

• 安装ncbi-genome-download

  1	conda install -c bioconda ncbi-genome-download

• 准备WGA assession number列表文件

• 开始下载
  终端里输入如下命令：

  1	ncbi-genome-download --assembly-accessions GCA.txt --output-folder 6_3 bacteria --section genbank --formats fasta

  其中GCA.txt为包含assession number的列表文件，每行一个assession number。
  该软件的问题在于，需要科学上网，所以很多时候会掉链子。

代码获取

关注公众号“生信之巅”，聊天窗口回复“213”获取下载链接。

敬告：使用文中脚本请引用本文网址，请尊重本人的劳动成果，谢谢！Notice: When you use the scripts in this article, please cite the link of this webpage. Thank you!