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：
- 本文固定链接: https://maimengkong.com/zu/760.html
- 转载请注明: : 萌小白 2021年8月25日 于 卖萌控的博客 发表
- 百度已收录
