NCBI datasets으로 유전체 다운로드 받기

유전체 정보의 편리한 다운로드를 위해 NCBI에서 만든 command line tool로 "datasets"있다

https://www.ncbi.nlm.nih.gov/datasets/docs/v2/download-and-install/

 

리눅스, 맥, 윈도 모두 설치가능하다

리눅스에서 conda를 이용해 설치했다

 

conda create -n ncbi_datasets
conda activate ncbi_datasets
conda install -c conda-forge ncbi-datasets-cli

 

웹페이지에는 간단한 예제 명령어만 나와있는 것 같다. datasets --help로 필요한 걸 찾아보면 된다. 한 번에 모든 명령어에 대한 도움말이 나오지는 않고 datasets download --help 이렇게 명령어를 하나 더 붙이고 --help 쓰면 또 자세한 도움말이 나온다. 나는 accession number 만을 이용해 fasta 파일을 다운로드 받았는데 아미노산 서열 등 여러가지 다운로드 받을 수 있는 것 같다. 내가 쓴 명령어만 적어놓아야지. 아래처럼 accession 번호를 띄어쓰기로 구분하고 여러 개를 한꺼번에 받을 수 있다. 다른 기능도 많이 있는데 직접 찾아보시길.

 

datasets download genome accession GCA_0144######.1 GCA_0039#####.1 GCA_0018#####.1 

 

FASTA 파일과 GFF 파일을 같이 다운로드 받고 싶다면

 

datasets download genome accession GCA_0144######.1 GCA_0039#####.1 GCA_0018#####.1 --include gff3,genome

 

ncbi_dataset.zip 으로 저장된다. unzip ncbi_dataset.zip 명령어로 압축을 푼다