点击上方“蓝色字体”关注我们

鹿明

生物

蛋白、代谢组学服务专家

关注我们收获更多

关注

随着生物科技的迅速发展，每天都会有海量的生物学数据产生，如何有效的分析这些“生物学大数据”？生物信息学的应用变得尤为重要，在生物领域从基因测序，到基因编辑，再到基因疗法的精准医疗，由生物科技引发的又一场变革正悄然而至。试问大家做好准备迎接它到来了吗？

本次分享的主题为：如何快速获取海量数据？我们就从物种的DNA或蛋白质序列说起，在我们的科学研究中下载序列是一件简单不过的事情，无非就是联网NCBI等主页上，选择数据库后输入AC号或GI号后直接下载。

如果是少量的序列数据，我们可以通过一个个ID去查找，复制，粘贴方式保存到本地文件中。

但是如何大批量下载数据呢？再通过复制、粘贴方法虽然很精确但是对于大批量的数据下载效率实在是太低了。是否可以直接下载数据库准备好的序列文件？或者编写程序脚本进行批量下载？

本次小鹿分享的是2种热门物种(人和鼠)的无编程基础的下载方式。(我们后面会分享“如何使用代码批量下载生物学序列数据”)

物种  人

1.NCBI的GenBank数据库

基因：MYH9

物种：人Homo sapiens

(1)用浏览器登录NCBI数据库官网：https://www.ncbi.nlm.nih.gov/

(2)数据库选择框：选择Gene；在搜索框输入：MYH9，可以添加Homo sapiens或者Human，这样匹配更准确；

(3)点击MYH9 - myosin heavy chain 9，选择FASTA格式；

(4)点击下载MYH9基因序列NCBI Reference Sequence: NC_000022.11，起个合适的文件名，推荐使用基因名或者数据库登录号；

(5)物种基因组和蛋白组序列的下载

选择Genome子数据库，同样在搜索框输入物种英文名或拉丁学名，例如，输入human，我们查找人的基因组数据，如下所示：

点击下载基因组或蛋白组FASTA序列，直接会弹出下载链接，选择保存文件的位置即可开始下载；

还可以下载NCBI上的基因组注释GFF文件(Ensembl数据库也可以下载物种的GFF文件，后面会给大家讲到)

物种  人和小鼠

2.Uniprot数据库

样例蛋白：P35579

物种：人Homo sapiens和小鼠Mus musculus

(1)用浏览器登录Uniprot数据库官网：https://www.uniprot.org/

(2)搜索框输入：P35579，点击Search；

(3)查看P35579蛋白的生物学信息：肌球蛋白9(Myosin-9)；

可以看到该蛋白主要分布在细胞基质中，是细胞的动力蛋白；

(4)下载序列数据，点击FASTA；

(5)下载物种蛋白质组序列文件(例如下载物种：小鼠mus musculus)；

在Uniprot数据库官网选择Proteomes子库，然后在搜索框输入：mus musculus，选择Organism ID为10090的小鼠；

点击Protein Count: 55462，显示小鼠蛋白Entry，可以根据需要定制自己需要的数据：例如，我们需要GeneID，点击Columns进行个性化的定制；

如下所示：

点击Download下载所需要的数据，选择文件格式。如果我们需要的是表格数据，我们通常下载为Tab分割符(Tab-separated)的txt文件，因为Excel表格有最大行数的限制，如果超出最大行数会导致数据丢失；

如果是序列文件，我们选择下载FASTA格式的文件；

物种  人

3.Ensembl(Ensembl Genome Browser)数据库

物种：人Homo sapiens

(1)使用浏览器登录数据数据库：https://asia.ensembl.org/index.html

(2)选择Human数据库，如下所示：

(3)选择下载基因组序列，见下图：

(4)在Ensembl数据库下载物种的GFF文件

前面我们讲到了在NCBI数据库中下载物种基因组注释GFF文件，其实我们还可以在Ensembl数据库中下载物种的注释文件，而且在Ensembl中下载的GFF文件更加标准，使用起来更方便。

(5)直接连接到ensembl的FTP服务器，

网址：ftp://ftp.ensembl.org/pub/release-100/fasta/homo_sapiens/dna/

选择toplevel标签的序列文件进行下载，如下所示：

小鹿后面还会分享“如何使用代码批量下载生物学序列数据”哦，请关注鹿明生物，get最新分享热文。

猜你还想看

◆生信分析：你可以更美一些：SnapGene Viewer软件序列可视化操作

◆云平台：震惊！他花了3分钟就完成了我三个周的工作!

◆云平台：欧易/鹿明云 | 免费的聚类热图不试试吗？

◆生信分析：这个R包不太冷系列——GOplot(功能富集绘图)

◆生信分析：10行代码让你的相关性图貌美如花

◆生信分析：对话百年名画--文章绘图配色高级又简单！

◆生信分析：只需3分钟Get“代谢通路分析神器”

◆生信分析：玩转生信—火山图中“亿点细节”，你会打造吗？

◆生信分析：【指南】Cytoscape之stringAPP蛋白互作分析详解

◆生信分析：【教程】组学研究，用python快速实现PCA分析和绘图

◆生信分析：组学研究，R语言实用技巧—热图，运用pheatmap包简单易懂快速汇图方法来袭~

◆生信分析：【情人节】R语言—小提琴图的浪漫邂逅

END

北极星  撰文

欢迎转发到朋友圈

本文系鹿明生物原创

转载请注明本文转自鹿明生物

我知道你在看哟