downloading_genomes_from_ncbi_ftp_site
Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revisionNext revision | Previous revision | ||
downloading_genomes_from_ncbi_ftp_site [2018/03/27 09:43] – [실제 사례] hyjeong | downloading_genomes_from_ncbi_ftp_site [2023/06/22 17:12] (current) – ↷ Links adapted because of a move operation hyjeong | ||
---|---|---|---|
Line 1: | Line 1: | ||
====== NCBI FTP 사이트에서 유전체 정보 파일 다운로드하기 ====== | ====== NCBI FTP 사이트에서 유전체 정보 파일 다운로드하기 ====== | ||
+ | Entrez API를 사용하려면 [[https:// | ||
+ | |||
+ | <color # | ||
+ | |||
** [최신 소식] ** 2016년 9월 22일을 기하여 ftp:// | ** [최신 소식] ** 2016년 9월 22일을 기하여 ftp:// | ||
Line 36: | Line 40: | ||
- 다음의 설명을 참조하여 파일 이름을 적절히 바꾼다. | - 다음의 설명을 참조하여 파일 이름을 적절히 바꾼다. | ||
- | 받은 파일의 이름은 (assembly_accession)_(asm_name)_(나머지 부분)의 형식을 갖는다. 예를 들자면 **GCF_002264385.1_ASM226438v1_genomic.fna**와 같은 방식이다. 균주의 이름이나 우리가 논문 등에서 흔히 접하는 서열 accession number(CP######, | + | 받은 파일의 이름은 (assembly_accession)_(asm_name)_(나머지 부분)의 형식을 갖는다. 예를 들자면 **GCF_002264385.1_ASM226438v1_genomic.fna**와 같은 방식이다. 균주의 이름이나 우리가 논문 등에서 흔히 접하는 서열 accession number(CP######, |
$ curl -o refseq_bacteria_assembly_summary_`date +%Y-%m-%d`.txt ftp:// | $ curl -o refseq_bacteria_assembly_summary_`date +%Y-%m-%d`.txt ftp:// | ||
Line 42: | Line 46: | ||
$ awk -F " | $ awk -F " | ||
$ awk -F " | $ awk -F " | ||
- | # fna or gbff file? 용도에 맞게 커맨드 라인을 작성할 것. | + | # fna, gbff, or faa file? 용도에 맞게 커맨드 라인을 작성할 것. |
$ sed -r ' | $ sed -r ' | ||
$ sed -r ' | $ sed -r ' | ||
+ | $ sed -r ' | ||
+ | # ~_protein.faa.gz와 ~_translated_cds.faa.gz는 서열 ID와 description의 모양새가 다름에 유의하라. locus tag등 월등하게 많은 정보를 수록한 것은 후자이다. | ||
$ mkdir 01_fna | $ mkdir 01_fna | ||
$ cd 01_fna | $ cd 01_fna | ||
Line 59: | Line 65: | ||
| | ||
=== id2name에 대한 부연 설명 === | === id2name에 대한 부연 설명 === | ||
- | id2name 파일을 매개로 하여 GCF_000469945.2_ASM46994v2_genomic.fna.gz라는 파일이 Paenibacillus_sp._P22_GCF_000469945.2.fna로 바뀌게 된다. 변경 후 파일명의 앞부분을 차지하는 균주 이름은 당연히 assembly summary file의 여덟번째 컬럼에서 유래한다. 하지만 실제 assembly summary 파일을 열어보면 파일명으로 쓰기에 적합하지 않는 문자가 들어있는 경우가 상당히 많다. 예를 들어 공백, 세미콜론, | + | id2name 파일을 매개로 하여 GCF_000469945.2_ASM46994v2_genomic.fna.gz라는 파일이 Paenibacillus_sp._P22_GCF_000469945.2.fna로 바뀌게 된다. 변경 후 파일명의 앞부분을 차지하는 균주 이름은 당연히 assembly summary file의 여덟번째 컬럼에서 유래한다. 하지만 실제 assembly summary 파일을 열어보면 파일명으로 쓰기에 적합하지 않는 문자가 들어있는 경우가 상당히 많다. 예를 들어 공백, 세미콜론, |
=== while loop 대신 xargs 사용하기 === | === while loop 대신 xargs 사용하기 === | ||
$ xargs wget < ../ | $ xargs wget < ../ | ||
- | multiple argument를 다루려면 어떻게 해야 하는가? 조금 더 알아봐라. | + | multiple argument를 다루려면 어떻게 해야 하는가? 조금 더 알아봐라. |
+ | $ ls *fna | xargs -I{} barrnap --threads 16 {} > {}.rna.gff | ||
===== NCBI Genome Download Scripts ===== | ===== NCBI Genome Download Scripts ===== |
downloading_genomes_from_ncbi_ftp_site.1522111391.txt.gz · Last modified: 2021/03/17 13:09 (external edit)