从NCBI上快速下载目标物种基因组序列、获取SRA数据信息

1. 在genome 数据库中输入目标物种Genome List - Genome - NCBI (nih.gov) 输入目标物种

fliters 过滤，选择基因组装水平，宿主等

download 下载genome 数据结果——可获得基因组序列文件下载地址和对应的BioSample ID

2. 提取 BioSample，另存在文本文件中

3. 使用NCBI Batch Entrez在BioSample数据库中下载相关信息得到SRA

Batch Entrez (nih.gov)

4. 在左边进行信息过滤，如过滤出能获取SRA文件的信息

send to 下载result，便可获得SRA信息

5. 写程序提取BioSample ，SRA ，Organism信息

import os
import pandas as pd
biosample=[]
organism=[]
sra=[]
filepath=r'E:\bacteria\Actinobacteria\biosample_result.txt'
with open ( filepath,'r') as file:
    lines = file.readlines()
for line in lines:
    if 'SRA:' in line:
        sra.append(line.strip('\n').split('SRA:')[1].strip())
        continue
    if 'Organism:' in line:
        organism.append(line.strip('\n').split('\t')[1])
        continue
    if 'Accession:' in line:
        biosample.append(line.strip('\n').split('Accession:')[1].split('\t')[0].strip())
        continue
outpath = r'E:\bacteria\Actinobacteria\Actinobacteria.xlsx'
df=pd.DataFrame({'BioSample':biosample,'Phylum':'Actinobacteria','Organism':organism,'SRA':sra})
df.to_excel(outpath,index=False,header=False)

6. 将organism信息去重复后另存为文本文件

7. 使用NCBI Batch Entrez在Taxonomy数据库中获取lineage

原文链接：https://blog.csdn.net/m0_55059521/article/details/124570073