NCBI批量下载数据，省时又省力

对于大批量的数据下载，手动下载无疑是繁琐而又痛苦的，若不巧再碰上网站不稳定，小圆圈转半天就是不出来，此刻的人生必定是绝望的。

对此，小编深有体会，只70多个基因，就用了三四个小时来下载，费时又费力。还好，昨天Boss安利了一个python脚本，能够快速的从NCBI上搜索并下载所需的序列，再也不用这么费劲啦！今天呢小编就赶紧来跟大家分享一下，希望可以也能帮到大家！

NCBI批量搜索、下载序列

脚本代码：

帮助文档：

使用说明：

先来看一个示例：

该命令是从NCBI的蛋白质数据库下载所有黄精属中叶绿体上的PsaA基因的蛋白序列，输出格式为fasta。

-t：后面跟的是搜索条件，用双引号引起来。我们可以用布尔运算符和索引构建器更精确查找内容。先来介绍下布尔运算符，布尔运算符提供了一种生成精确查询的方法，可以产生定义良好的结果集。布尔运算符主要有3个，分别是AND、OR和NOT。它们的工作原理如下：

AND运算符是必须大写的，而OR和NOT不是必须的，但是建议三种运算符都用大写。

布尔运算符的运算顺序都是从左往右，例如：

表示查询除人类外的哺乳类动物中的promoters或response elements。而使用括号可以改变运算顺序，例如：

表示查询除人类和老鼠外的哺乳类动物中的promoters或response elements。

"[ ]"里的内容是索引构建器，可以解释前面搜索词的类型，如示例中的[Organism]表示前面的Polygonatum是一个有机体。下面是一些其它示例：

此外，还能进行范围的搜索，例如序列长度和发表日期。

-d：后面跟搜索数据库，nucleotide 或 protein，默认 nucleotide。

-r：后面跟输出格式，fasta 或 gb（genbank），默认gb。

-o：后面跟输出目录。

-n：后面跟输出文件名前缀。

从genbank提取序列

脚本代码：

帮助文档：

注意：-m 后输入的是一目录，该目录下可以有多个 genbank 文件，程序会批量读取。-i 后跟需提取的基因名称列表，格式如下：

genbank转gff3

最后一个脚本 bp_genbank2gff3.pl，此脚本可以根据 genbank 文件生成 gff3 文件，由Bioperl提供，安装并配置过Bioperl就可以直接使用。用法也很简单，bp_genbank2gff3.pl 后跟genbank 文件就可以啦！

好啦，以上三个脚本就是全部了，希望对小伙伴们有用 O(∩_∩)O~~

科技服务事业部 文案

图片源于网络 侵删