教你一键下载同一属下不同模式种的16S rRNA基因序列

做我们微生物生态这行，一不小心就会发现一个潜在新种，很兴奋啊有没有！为了确定潜在新种的分类地位，自然要下载诸多模式种的16S rDNA序列来构建系统发育树，一株一株的手动下载，手好累啊有没有！

所以我们这期的推送将送给大家一个python脚本，可以从LPSN（http://www./）下载指定属下所有模式种的16S rDNA序列，解放你的双手。

之前文章【画完gene map就过年啦！】有介绍过，python脚本需要用python解释器执行，安装python（本脚本需要使用python3）本期不再多说。

本期的脚本还需要另外两个python包，接下来介绍一下windows系统下python包的安装。

使用【win+R】快捷键打开“运行”，输入“cmd”打开命令行窗口，输入“pip install bs4”然后回车来安装“bs4”包，如下图所示，稍候片刻等待安装完成。如下图：

然后继续输入”pip install biopython”然后回车来安装“biopython”包，如下图：

下面是运行实例：

两个包安装完成后就可以运行脚本来下载我们指定属的模式种16S rDNA序列了。我们先来看一下脚本的参数：

-h显示帮助信息；

-i 指定查询的属名，要求在LPSN中存在；

-l 本脚本输出的log文件，接下来会有详细介绍；

-o 指定输出的文件夹路径，如果文件夹不存在会自动创建。

脚本可以接受的输入包括两种方式：

（1）-i参数指定的属名，脚本会通过查询LPSN获取该属下的所有模式种信息，包括属种名，模式种编号，NCBI登录号，并将这些信息写入“属名.xls“文件中。然后通过NCBI的登录号前往NCBI下载该模式种的16SrDNA序列，并写入“属名.fa“文件中，同时将下载失败的模式种信息写入”属名.log“文件中。

（2）本程序生成的”属名.log”文件可以通过-l参数作为输入，脚本会再次尝试下载log中记录的下载失败的模式种。

需要注意的是，LPSN中给出的某些模式种的NCBI登录号为该模式种的全基因组序列，对于这种情况，脚本不会将序列写入“属名.fa“文件。下面是下载示例：

下载完成后会给出一个下载统计报告：

 

下载速度与网速和模式种个数有关，请耐心等待，另外，NCBI白天的连接速度要好于晚上，不知道这是否是个玄学问题，所以建议白天下载，如果遇到长时间（5分钟）界面无反应的情况可以尝试中断然后重新下载。