在微生物组学与病原生物学研究飞速发展的今天，获取高质量的细菌基因组数据是每一项重要发现的起点。无论是溯源分析、比较基因组学、疫苗设计还是耐药性研究，第一步总是：“数据从哪里来？又如何高效下载？”而全球学者公认的数据宝库，就是NCBI。
面对NCBI庞大而复杂的网站，许多初学者可能会感到困惑。别担心，本文将作为您的终极指南，一步步带您找到并下载所需的基因组数据。
第一步：明确您的目标——您需要哪种类型的数据？
这是最关键的一步，决定了您要访问NCBI的哪个子数据库。主要分为两类：
1. 组装完成的基因组（Assembled Genome）：
格式：通常是 .fna(FASTA格式的核酸序列), .gff(注释文件), .gbff(GenBank格式文件) 等。
用途：适用于基因注释分析、比较基因组学、系统发育分析、PCR引物设计等。
下载来源：Assembly数据库。
2. 原始测序数据（Raw Sequencing Data）：
格式：fastq文件（包含测序读段和碱基质量信息）。
用途：适用于重分析、从头组装、变异鉴定（SNP/Indel）等。
下载来源：SRA (Sequence Read Archive)数据库。
本文将重点介绍最常使用的Assembly数据库的下载方法。
第二步：前往NCBI Assembly数据库并搜索
1. 打开NCBI Assembly数据库：https://www.ncbi.nlm.nih.gov/datasets/genome/
2. 在搜索框中输入目标生物的拉丁学名（例如：Mycobacterium tuberculosis），点击 Search。
第三步：筛选和选择所需基因组
搜索后会得到一个列表页面，这里提供了强大的筛选工具。
利用筛选器（Filters）：您可以根据“组装水平”（Assembly level）进行筛选，例如选择“Complete Genome”以下载最完整的参考基因组。还可以根据“注释状态”、“发布日期”、“物种”等条件细化结果。
查看详情：点击您感兴趣的基因组名称（如：ASM19595v2）进入其摘要页面。这个页面包含了所有关键信息：物种名、菌株、生物项目、提交者、组装质量指标（如N50）等。
务必仔细检查这些元数据，确保它符合您的研究需求。
第四步：下载基因组文件
进入特定基因组的摘要页面后，下载区域通常在页面左上角。
1. 找到“Download”按钮并点击。
2. 在下拉菜单中，您会看到几种选项：
FASTA：仅下载基因组序列文件（.fna）。
GenBank：下载包含序列和注释信息的标准GenBank格式文件（.gbff）。这是最常用的格式之一。
GFF：下载仅包含注释信息的GFF3文件（.gff），可用于在软件中可视化基因结构。
所有文件（All files）：下载NCBI提供的该基因组所有相关文件的压缩包（通常是.tar.gz格式）。这是最推荐的方式，一站式获取全部数据。
3. 点击您需要的格式，浏览器将开始下载压缩文件。解压后即可获得您需要的基因组文件。
高级技巧与替代方案
• 使用FTP进行批量下载：如果您需要下载多个基因组，使用浏览器可能很慢。摘要页面提供了FTP链接，您可以复制此链接，使用wget、curl或FTP客户端（如FileZilla）进行高速、稳定的批量下载。
• 下载原始数据（SRA数据）：如果需要从SRA数据库下载原始fastq文件，您需要使用NCBI提供的专用工具SRA Toolkit。其中的prefetch和fasterq-dump命令是下载和转换SRA格式文件的标准流程。
• 更纯净的参考序列：RefSeq数据库，在Assembly数据库中，您可能会注意到编号以GCF_开头（RefSeq）和GCA_开头（GenBank）的版本。RefSeq是NCBI经过进一步人工 curation（审编）的非冗余数据集，通常质量更高、更标准，是作为参考基因组的首选。
· 密码子·生信云平台 细菌基因组下载（基于GCA/GCF）小工具（http://cloud2.mimazi.net:9001/tool/article-204.html），可用于批量从NCBI FTP服务器直接下载基因组序列和注释文件，支持下载FASTA序列、GFF注释、GenBank格式等多种文件类型
密码子·生信云平台优势
·零门槛体验：无需本地安装Linux环境，无需复杂配置，打开网页即可一键上传数据，轻松运行批量下载所需基因组和注释。
·高效安全：云端计算资源强大，数据处理速度快，保障数据安全与隐私。
·友好界面：操作界面简洁直观，适合各类用户，无需编程基础。
·专业支持：提供详细的操作指南和技术支持，助力您的科研工作顺利进行。
小工具用法：
输入文件：
纯文本文件，每行一个Accession编号，必须以GCF_(RefSeq)或GCA_(GenBank)开头，并且包含版本号（如.1, .2等），文件名中禁止包含空格或中文字符，推荐文件名中仅包含字母/数字/下划线，如：list.txt
小工具结果：
转载本文请联系原作者获取授权，同时请注明本文来自牛祥娜科学网博客。链接地址：https://blog.sciencenet.cn/blog-3447233-1508822.html
上一篇：肺炎克雷伯菌的分型和克隆传播下一篇：零代码 | 免费用 | 密码子·生信云细菌基因组云流程正式发布欢迎参加科学网十佳博文评选活动！主办单位： 支持单位：