这篇文章给大家分享的是有关NCBI如何批量下载数据的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。

NCBI批量搜索、下载序列

脚本代码：

fromBioimportEntrezimportos,sysfromBio.SeqimportSeqfromBio.SeqRecordimportSeqRecordfromBio.SeqFeatureimportSeqFeature,FeatureLocationfromBioimportSeqIOimportsys,os,argparse,os.path,re,math,time'''database:['pubmed','protein','nucleotide','nuccore','nucgss','nucest','structure','genome','books','cancerchromosomes','cdd','gap','domains','gene','genomeprj','gensat','geo','gds','homologene','journals','mesh','ncbisearch','nlmcatalog','omia','omim','pmc','popset','probe','proteinclusters','pcassay','pccompound','pcsubstance','snp','taxonomy','toolkit','unigene','unists']'''parser=argparse.ArgumentParser(description='Thisscriptisusedtofastafromncbi')parser.add_argument('-t','--term',help='inputsearchterm:https://www.ncbi.nlm.nih.gov/books/NBK3837/#_EntrezHelp_Entrez_Searching_Options_',required=True)parser.add_argument('-d','--database',help='Pleaseinputdatabasetosearchnucleotideorproteindefaultnucleotide',default='nucleotide',required=False)parser.add_argument('-r','--rettype',help='returntypefastaorgbdefaultgb',default="gb",required=False)parser.add_argument('-o','--out_dir',help='Pleaseinputout_putdirectorypath',default=os.getcwd(),required=False)parser.add_argument('-n','--name',default='seq',required=False,help='Pleasespecifytheoutput,seq')args=parser.parse_args()dout=''ifos.path.exists(args.out_dir):dout=os.path.abspath(args.out_dir)else:os.mkdir(args.out_dir)dout=os.path.abspath(args.out_dir)output_handle=open(dout+'/'+args.name+'.%s'%args.rettype,"w")Entrez.email="huangls@biomics.com.cn"#AlwaystellNCBIwhoyouare#handle=Entrez.efetch(db="nucleotide",id="EU490707",rettype="gb",retmode="text")#print(handle.read())handle=Entrez.esearch(db=args.database,term=args.term,idtype="acc")record=Entrez.read(handle)foriinrecord['IdList']:printi+'\n'handle=Entrez.efetch(db=args.database,id=i,rettype=args.rettype,retmode="text")#print(handle.read())record=SeqIO.read(handle,args.rettype)SeqIO.write(record,output_handle,args.rettype)output_handle.close()

帮助文档：

1python/share/work/huangls/piplines/01.script/search_NCBI.py-h2usage:search_NCBI.py[-h]-tTERM[-dDATABASE][-rRETTYPE][-oOUT_DIR]3[-nNAME]4Thisscriptisusedtofastafromncbi5optionalarguments:6-h,--helpshowthishelpmessageandexit7-tTERM,--termTERMinputsearchterm:https://www.ncbi.nlm.nih.gov/books8/NBK3837/#_EntrezHelp_Entrez_Searching_Options_9-dDATABASE,--databaseDATABASE10Pleaseinputdatabasetosearchnucleotideorprotein11defaultnucleotide12-rRETTYPE,--rettypeRETTYPE13returntypefastaorgbdefaultgb14-oOUT_DIR,--out_dirOUT_DIR15Pleaseinputout_putdirectorypath16-nNAME,--nameNAMEPleasespecifytheoutput,seq

使用说明：

先来看一个示例：

pythonsearch_NCBI.py-t"Polygonatum[Organism]ANDchloroplastANDPsaA"-dprotein-rfasta-npsaA

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：

promotersORresponseelementsNOThumanANDmammals

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：

promotersORresponseelementsNOT（humanORmouse）ANDmammals

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

再给大家安利一个python程序，该程序可以根据提供的基因名列表，从genbank文件中提取基因组序列、有关基因的cds和蛋白序列、基因的位置信息，分别存放在*.gb.genome.fa 、 *.gb.cds.fa 、 *.gb.pep.fa 、 *.gb.cds_location.txt 文件中。

脚本代码：

importsys,os,argparse,os.path,globfromBioimportSeqIOparser=argparse.ArgumentParser(description='Thisscriptwasusedtogetfafromgenbankfile;*.faa=pepfile;*.ffn=cdsfile;*fna=genomefafile')parser.add_argument('-i','--id',help='Pleaseinputgenelistfile',required=True)parser.add_argument('-m','--in_dir',help='Pleaseinputin_putdirectorypath;defaultcwd',default=os.getcwd(),required=False)parser.add_argument('-o','--out_dir',help='Pleaseinputout_putdirectorypath;defaultcwd',default=os.getcwd(),required=False)args=parser.parse_args()dout=''din=''ifos.path.exists(args.in_dir):din=os.path.abspath(args.in_dir)ifos.path.exists(args.out_dir):dout=os.path.abspath(args.out_dir)else:os.mkdir(args.out_dir)dout=os.path.abspath(args.out_dir)args.id=os.path.abspath(args.id)gene={}input=open(args.id,"r")forlineininput:line=line.strip()gene[line]=linegenbank=glob.glob(din+"/*gb")forgdkfileingenbank:name=os.path.basename(gdkfile)input_handle=open(gdkfile,"r")pep_file=dout+'/'+name+".pep.fa"genePEP=open(pep_file,"w")cds_file=dout+'/'+name+".cds.fa"geneCDS=open(cds_file,"w")gene_file=dout+'/'+name+".genome.fa"gene_handle=open(gene_file,"w")cds_locat_file=dout+'/'+name+".cds_location.txt"cds_locat_handle=open(cds_locat_file,"w")forseq_recordinSeqIO.parse(input_handle,"genbank"):print"DealingwithGenBankrecord%s"%seq_record.idgene_handle.write(">%s%s\n%s\n"%(seq_record.id,seq_record.description,seq_record.seq))forseq_featureinseq_record.features:geneSeq=seq_feature.extract(seq_record.seq)ifseq_feature.type=="CDS":assertlen(seq_feature.qualifiers['translation'])==1ifgene.has_key(seq_feature.qualifiers['gene'][0]):genePEP.write(">%s\n%s\n"%(seq_feature.qualifiers['gene'][0],#seq_record.name,seq_feature.qualifiers['translation'][0]))geneCDS.write(">%s\n%s\n"%(seq_feature.qualifiers['gene'][0],#seq_record.name,geneSeq))cds_locat_handle.write(">%slocation%s\n"%(seq_feature.qualifiers['gene'][0],seq_feature.location))input_handle.close()genePEP.close()geneCDS.close()

帮助文档：

python/share/work/wangq/script/genbank/genbank.pyusage:get_data_NCBI.py-iIDLIST-oOUT_DIR-mIN_DIRoptionalarguments:-iIDLIST,--idlistIDLISTPleasegenenamelistfile-mIN_DIR,--in_dirIN_DIRPleaseinputcompletein_putdirectorypath-oOUT_DIR,--out_dirOUT_DIRPleaseinputcompleteout_putdirectorypath例：python/share/work/wangq/script/genbank/genbank.py-iid.txt-m/share/nas1/wangq/work/NCBI_download-o/share/nas1/wangq/work/NCBI_download

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：

rpl2psbAndhDndhF

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！

bp_genbank2gff3.plfilename(s)

感谢各位的阅读！关于“NCBI如何批量下载数据”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！