? ?推斷分子系統發育樹時，很多分子序列數據都是從GenBank等公共數據庫下載的。當數據很多時，每條序列都要檢索、下載十分耗時，而且容易出錯。作者基于NCBI官方提供的Entrez direct軟件包，二次開放了能批量下載GenBank分子序列數據的程序——Getfast。此程序能解析用戶提供的ACLIST文件，并自動下載生成包含所有序列的fasta文件，供構建分子系統發育樹使用。

一、運行環境

? ? ? ?Linux系統，安裝有NCBI的Entrez direct軟件包

?

二、使用方法

1. 準備aclist文件（見示例L122_16S.aclist）。在GenBank中，每一條序列都有唯一的“ID號”--ACCESSION（簡稱AC號。如KT003151：代表皿蛛Nippononeta coreana的 16S 核糖體?RNA基因片段，長度401bp）。用戶將所需下載序列的AC號列表保存到擴展名為".aclist"的文本文件中，AC號間用半角逗號","分隔。注意：aclist中所有序列必須為同源序列，既相同基因的片段。

2. 運行Getfasta（見示例L122.sh）。運行Getfasta添加如下參數：

? ? ? -f? “[aclist文件路徑]”（如“$DIR/L122_16S.aclist”）（必填）

? ? ? -g “[同源序列的產物名]” （如“16S ribosomal RNA”）（選填，當aclist中的一條或多條序列包含多個多個基因時，須用-g參數限定下載序列中包含指定基因的片段。）

? ? ?-t "TAXON"/"TID"（-t 的參數為固定值“TAXON”或"TID"，添加此參數表示最后生成的fasta每條序列的標簽不用AC號而是用taxon的名稱表示/TID表示。）

? ? ? | tee [日志文件名]?（如$DIR//L122.log）（必填）

3. 查看結果（見示例L122_16S.aclist.ft2,L122_16S.aclist.fasta,L122.log）

(1)日志文件。日志文件記錄了Getfasta整個運行過程，包括每一條序列的下載情況。特別要說明的是，GenBank中某些序列含有多個基因片段，用戶所要的只是-g參數顯示同源基因的片段。本軟件可根據設定參數，自動識別所需片段的起止點，只下載所需片段，并將此過程記錄在日志文件中（如示例中第62條-第65條序列屬此情況）。

（2）ft2文件。基于Entrez Direct，本程序最初下載的是NCBI提供的ft2格式的數據。該文件含有AC號、序列、長度、物種名、產物名等多個信息。由于該格式無法直接用于跑樹，因此還要將其進一步編輯，生成fasta格式文件。

（3）fasta文件。這是最終得到的序列數據，保存為各種建樹軟件均能識別的fasta格式。其中，每條序列的標簽用該序列在GenBank中的AC號標識。

最后需要說明的是，由于Getfasta是基于E-direct開發的下載程序，其運行速度與網速、aclist序列數量、Linux主機配置有關。當數據量較大時，請根據屏幕提示耐心等待。。。

?

附件：

Getfasta

示例文件

總結

以上是生活随笔為你收集整理的Getfasta--根据Acession Number（Ac号）批量下载GenBank分子序列数据的自动化程序的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。