NCBI 下载fna文件 human viral bacteria
程序员文章站
2024-03-01 17:06:22
...
基于manifest 手动批量下载
#!/usr/bin/bash
cat manifest.txt | while read row
do
path=`dirname $row`
# para -d check dir
if [ ! -d "$path" ]; then
mkdir -p "$path"
fi
# para -f check file
if [ ! -f "$row" ]; then
cd "$path"
wget -c https://ftp.ncbi.nlm.nih.gov/genomes/${row}
cd -
fi
done
https://ftp.ncbi.nlm.nih.gov/genomes/all
https://ftp.ncbi.nlm.nih.gov/genomes/refseq/assembly_summary_refseq.txt
manifest.txt模板
all/GCF/001/865/495/GCF_001865495.1_ASM186549v1/GCF_001865495.1_ASM186549v1_genomic.fna.gz
all/GCF/013/372/085/GCF_013372085.1_ASM1337208v1/GCF_013372085.1_ASM1337208v1_genomic.fna.gz
all/GCF/002/079/965/GCF_002079965.1_ASM207996v1/GCF_002079965.1_ASM207996v1_genomic.fna.gz
all/GCF/000/242/855/GCF_000242855.2_ASM24285v2/GCF_000242855.2_ASM24285v2_genomic.fna.gz
all/GCF/902/166/465/GCF_902166465.1_25964_2_27/GCF_902166465.1_25964_2_27_genomic.fna.gz
NCBI上基因组文件格式及解释
*.asn = ASN.1 (Abstract Syntax Notation 1) file 是NCBI的一种特定格式,包括完整的注释信息,可以用如sequin等软件打开。
*.faa = FASTA Amino Acid file 全部蛋白序列文件
*.ffn = FASTA nucleotide coding regions file 全部核酸序列文件
*.fna
= FASTA Nucleic Acid file 完整的基因组序列文件(一条序列)
*.gbk = GenBank flat file format 不用说了,genbank格式的基因组注释信息
*.ptt = Protein Table 包含各个CDS(coding sequence)的完整信息表(很有用,可以方便的导入excel等软件来看)
以上这些软件都是文本类型的文件,所以可以用记事本打开,但是更加建议使用notepad++打开,会保证格式不会变化。
其中*.val是一个二进制
格式的文件。
*.val = Nucleotide sequence, in ASN.1 binary format(ASN.1二进制的核苷酸序列)
下一篇: SAE实时日志接口SDK用法示例