有时我们手头会有一批数据,或者是只有大量的某些id。比方说:accession number、gi、geneid、symbol、go、unigene、pubmed、taxid等等。事实大部分数据库都会有提供一些专门的文件或工具来实现这些数据间大批量的一一对应。 先来讲讲NCBI的。 用FTP登陆ftp.ncbi.nih.gov(windows下可以直接打开或是用迅雷/Flastget等下载工具)。cd gene/DATA(windows下依次找到gene/DATA这个文件夹)。ls一下,里面的文件大概有: ncftp /gene/DATA > ls 1,gene2accession.gz,这里面的数据比较多,包含有NCBI所有的accession。但主要有以下的: tax_id GeneID nucleotide_accession nucleotide_gi protein_accession protein_gi2,gene2go.gz,主要是Gene与GO之间的一一对应。里面的数据主要有: tax_id GeneID GO_ID GO_term tax_id GeneID PubMed_ID GeneID UniGene_cluster 6,gene_info.gz,是NCBI的Gene数据库。包含有Gene的gene_name(Symbol),第几号染色体等。主要有: tax_id GeneID Symbol chromosome description 大概就这些。如果你会用Linux,这些大批量的一一对应是非常简单的。在GO/EMBL/Uniprot等也有类似的批量对应。以后有需要有讲到。 转载请注明 : 来源于 如何在NCBI实现大批量数据的一一对应 | 柳城博客
|
|