今天向大家推介一个实用的工具，用来从NCBI的ftp直接下载指定物种范围的微生物基因组。
https://github.com/kblin/ncbi-genome-download/blob/master/README.md
比如说，你想下载全部NCBI的refseq的全体细菌基因组（默认是refseq参考序列数据库），默认的格式为genbank：
ncbi-genome-download bacteria
只要genbank数据库的全体真菌基因组（有关genbank和refseq数据库，请看生信人往期推送）：
ncbi-genome-download --section genbank fungi
全体病毒的fasta序列：
ncbi-genome-download --format fasta viral
完成且为染色体水平的全体细菌基因组组装
ncbi-genome-download --assembly-level complete,chromosome bacteria
大多数情况下，我们也许只是要属于某一个属或种的基因组。那么我们需要指定明确的分类。
ncbi-genome-download--genus"Streptomyces coelicolor,Escherichia coli" bacteria
如果你有很多的taxonomy ID，那么可以把它们塞到一个文件里：
ncbi-genome-download --taxid my_taxids.txt --assembly-level chromosome vertebrate_mammalian
让我们用新冠病毒做个非常简单的测试。我们在NCBI的Taxonomy数据库（https://www.ncbi.nlm.nih.gov/Taxonomy/）输入一个名字2019-nCoV，会得到如下界面
图1
只有一条结果，点进去：
图2
该页面最下方还显示了详细的物种分类层级
图3
新冠病毒属于冠状病毒科下面的贝塔冠状病毒的沙贝病毒亚属（Sarbecovirus）。我们要着重注意的信息是新冠病毒的物种ID为2697049 （图2）。接下来，执行以下命令：
ncbi-genome-download --section genbank --taxid 2697049 viral
注意，最后的viral必不可少，因为它告诉程序是在所有病毒里找寻（有个别分属真核生物和原核生物的物种有相同的属名）。
图4
打开基因组文件夹，就可以看到里面的genbank格式的文件已经准备就绪了。更多参数，大家可以通过—help查阅
图5
在该软件的主页，有详细的安装和使用说明。
图6
ncbi-genome-download的作者是来自丹麦技术大学（Technical University of Denmark）的生物信息学家Kai Blin。有趣的是，Blin还谦虚地表示，ncbi-genome-download借鉴了英国爱丁堡大学学者的程序：http://www.opiniomics.org/building-a-kraken-database-with-new-ftp-structure-and-no-gi-numbers/：Idea shamelessly stolen from Mick Watson's Kraken downloader scripts that can also be found in Mick's GitHub repo. However, Mick's scripts are specific to actually building a Kraken database (as advertised)。
本文作者原创，原载于生信人公众号
网友评论