? ?推斷分子系統(tǒng)發(fā)育樹(shù)時(shí)，很多分子序列數(shù)據(jù)都是從GenBank等公共數(shù)據(jù)庫(kù)下載的。當(dāng)數(shù)據(jù)很多時(shí)，每條序列都要檢索、下載十分耗時(shí)，而且容易出錯(cuò)。作者基于NCBI官方提供的Entrez direct軟件包，二次開(kāi)放了能批量下載GenBank分子序列數(shù)據(jù)的程序——Getfast。此程序能解析用戶提供的ACLIST文件，并自動(dòng)下載生成包含所有序列的fasta文件，供構(gòu)建分子系統(tǒng)發(fā)育樹(shù)使用。

一、運(yùn)行環(huán)境

? ? ? ?Linux系統(tǒng)，安裝有NCBI的Entrez direct軟件包

?

二、使用方法

1. 準(zhǔn)備aclist文件（見(jiàn)示例L122_16S.aclist）。在GenBank中，每一條序列都有唯一的“ID號(hào)”--ACCESSION（簡(jiǎn)稱(chēng)AC號(hào)。如KT003151：代表皿蛛Nippononeta coreana的 16S 核糖體?RNA基因片段，長(zhǎng)度401bp）。用戶將所需下載序列的AC號(hào)列表保存到擴(kuò)展名為".aclist"的文本文件中，AC號(hào)間用半角逗號(hào)","分隔。注意：aclist中所有序列必須為同源序列，既相同基因的片段。

2. 運(yùn)行Getfasta（見(jiàn)示例L122.sh）。運(yùn)行Getfasta添加如下參數(shù)：

? ? ? -f? “[aclist文件路徑]”（如“$DIR/L122_16S.aclist”）（必填）

? ? ? -g “[同源序列的產(chǎn)物名]” （如“16S ribosomal RNA”）（選填，當(dāng)aclist中的一條或多條序列包含多個(gè)多個(gè)基因時(shí)，須用-g參數(shù)限定下載序列中包含指定基因的片段。）

? ? ?-t "TAXON"/"TID"（-t 的參數(shù)為固定值“TAXON”或"TID"，添加此參數(shù)表示最后生成的fasta每條序列的標(biāo)簽不用AC號(hào)而是用taxon的名稱(chēng)表示/TID表示。）

? ? ? | tee [日志文件名]?（如$DIR//L122.log）（必填）

3. 查看結(jié)果（見(jiàn)示例L122_16S.aclist.ft2,L122_16S.aclist.fasta,L122.log）

(1)日志文件。日志文件記錄了Getfasta整個(gè)運(yùn)行過(guò)程，包括每一條序列的下載情況。特別要說(shuō)明的是，GenBank中某些序列含有多個(gè)基因片段，用戶所要的只是-g參數(shù)顯示同源基因的片段。本軟件可根據(jù)設(shè)定參數(shù)，自動(dòng)識(shí)別所需片段的起止點(diǎn)，只下載所需片段，并將此過(guò)程記錄在日志文件中（如示例中第62條-第65條序列屬此情況）。

（2）ft2文件。基于Entrez Direct，本程序最初下載的是NCBI提供的ft2格式的數(shù)據(jù)。該文件含有AC號(hào)、序列、長(zhǎng)度、物種名、產(chǎn)物名等多個(gè)信息。由于該格式無(wú)法直接用于跑樹(shù)，因此還要將其進(jìn)一步編輯，生成fasta格式文件。

（3）fasta文件。這是最終得到的序列數(shù)據(jù)，保存為各種建樹(shù)軟件均能識(shí)別的fasta格式。其中，每條序列的標(biāo)簽用該序列在GenBank中的AC號(hào)標(biāo)識(shí)。

最后需要說(shuō)明的是，由于Getfasta是基于E-direct開(kāi)發(fā)的下載程序，其運(yùn)行速度與網(wǎng)速、aclist序列數(shù)量、Linux主機(jī)配置有關(guān)。當(dāng)數(shù)據(jù)量較大時(shí)，請(qǐng)根據(jù)屏幕提示耐心等待。。。

?

附件：

Getfasta

示例文件

總結(jié)

以上是生活随笔為你收集整理的Getfasta--根据Acession Number（Ac号）批量下载GenBank分子序列数据的自动化程序的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。