生信偷懒第一弹 | 从EzBioCloud自动下载16S序列

EzBioCloud 介绍

对于微生物方向的老师，科研工作中是离不开EzBioCloud数据库的。这是一个由ChunLab维护的专门针对细菌、古菌16S rRNA基因的数据库，但与Greengenes数据库不同的是，该数据库以可培养的细菌、古菌16S rRNA基因序列为主。我们可以通过EzBioCloud数据库的Identify功能确定某一微生物的近缘可培养/模式种。当然，如果我们想要获得某一个属的所有可培养种的16S序列，EzBioCloud也是很好的选择之一。

我们可以冲一杯咖啡，然后一层一层的点进去下载（编码 U+2615）

脚本逻辑

但是，生信人普遍存在的一个特点就是“懒”，换言之，逻辑性的工作留给自己，重复性的工作留给机器，既然我们能逐个的下载，自然也可以教会机器帮我们逐个的下载。

首先捋一下脚本写作思路：

1. EzBioCloud数据库没有下载接口，且网页是异步加载，所以我们采用urllib+bs4的策略，抓取属内种的信息；

2. 抓取到菌株名和登录号以后就简单多了，直接交给biopython下载就好啦；

3. 当然，通过观察发现，EzBioCloud提供的登录号有些是全基因组序列，那我们就再加一步简单的过滤。

脚本介绍

明确思路以后，一顿劈里啪啦，脚本就出来了（编码 U+1f38a）

• -i 需要下载的属名，不区分大小写，但是请给定准确的属名（不能与-l参数共用）；
  

• -l 需要下载的菌种列表，第一列为登录号，第二列为菌种名（不能与-i参数共用）；

• -o 输出目录，将会在该目录中创建 *.fa *.log 和 *.xls 三个文件，分别记录下载序列、运行报告及菌种信息；

• --type 给定该参数时，脚本会对抓取到的菌种进行过滤，只保留模式种，该参数默认缺省。

对于新种鉴定工作，模式种更重要，所以脚本可选下载全部种或者只下载模式种；受限于网络问题，难免有下载失败的情况，所以脚本也可给定下载列表重新尝试下载。

脚本测试

对脚本进行了测试，似乎可以省不少的时间呢，这样我们就可以悠闲地喝咖啡啦！

最后给各位看官放上脚本下载地址：https://pan.baidu.com/s/18PLHcqAf3wK2uiY-AEjeFA，提取码: crpx。

~祝大家周末愉快~

END

青岛欧易  撰文

本文系欧易生物原创

欢迎转发到朋友圈

转载请注明文本转自欧易生物

欧易生物 | oebiotech

www.oebiotech.com/cn

☏ 400-808-5350 / 021-34781616

!

扫码联系客服 · 了解更多

更多精彩内容“阅读原文”

右边给我一朵小花花