EST：表達序列標簽，expressed sequence tags 。

顧名思義，很好理解，就是表達出來的序列，即從基因組DNA上表達出來的RNA，但是我們沒法測序RNA，所以我們最終測的是表達序列的cDNA片段。

“標簽”：就是指這些序列可能比較短，但是可以用來標定一個物種。

常見下載方式有兩種：

1. NCBI Web下載

https://www.ncbi.nlm.nih.gov/dbEST/

打開，搜索你要的物種，比如?Camellia ，可以看到結果EST (50287)。

Web下載幾個還行，想要批量下載就有點費力了，ncbi反爬蟲，也不好爬。

2. NCBI ftp下載

ftp://ftp.ncbi.nih.gov/repository/dbEST/

直接wget就可以批量下載了。

for one in `seq 1 81` do echo $one wget ftp://ftp.ncbi.nih.gov/repository/dbEST/dbEST.reports.000000.${one}.gz done　　

下載后的文件格式是：

IDENTIFIERSdbEST Id: 5 EST name: EST00006 GenBank Acc: M61958 GDB Dsegment: D0S2525ECLONE INFO Clone Id: HHCSB86 Source: ATCC Id in host: 77063 DNA type: cDNAPRIMERS Sequencing: M13 Forward PolyA Tail: UnknownSEQUENCETGCACAACCAAGTTTTGTGACTACGGGAAGGCTCCCGGGGCAGAGGAGTACGCTCAACAAGATGTGTTAAAGAAATCTTACTCCAAGGCCTTCACGCTGACCATCTCTGCCCTCTTTGTGACACCCAAGACGACTGGGGCCCNGGTGGAGTTAAGCGAGCAGCAACTNCAGTTGTNGCCGAGTGATGTGGACAAGCTGTCACCCACTGACAEntry Created: May 26 1992 Last Updated: Dec 18 2012PUTATIVE ID Assigned by submitter2',3'-cyclic nucleotide phoshodiesteraseLIBRARY Id: LIBEST_000004 Lib Name: LIBEST_000004 Hippocampus, Stratagene (cat. #936205) Organism: Homo sapiens Vector: lambdaZAP-II Description: Female, 2 years; oligo-dT + random primed cDNA synthesis;

信息是挺全面的，自己想要哪個物種就只能自己提取了。

提取成FASTA的腳本我就不貼了（效率很重要，因為文件很大）。

?最后我還是自己寫了個腳本，biopython實在是太慢了。

import gzip inf = gzip.open("dbEST.reports.000000.49.gz","rb") raw_id = "" seq = ""for line in inf:if line.stratswith("GenBank Acc"):id = line.split(":")[1].strip() if line.stratswith("SEQUENCE"):seq = ""while True:rline = inf.readline()seq+=rline.strip()if not line.stratswith(" "):breakif line.stratswith("Organism"):organism = line.split(":")[1].strip()if organism.startswith("Camellia"):print(">"+id+" "+organism, seq, sep="\n")

　　

我的腳本可以用，但是不一定很快。

我用awk試了很久，沒有成功。

?

2018年3月16日　　

總結

以上是生活随笔為你收集整理的如何下载一个物种的全部EST序列 | NCBI | 表达序列标签的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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