如何利用efetch从NCBI中批量下载数据？

目录

• 找序列
• 下序列

假设我要从NCBI中下载全部水稻的mRNA序列，如何实施？

找序列

第一步，肯定是找到相关序列。

我从ncbi taxonomy进入，搜索oryza。因为要搜索mRNA核酸序列，从此选择nucleotide，点击Go：

注意，如果你真正想要的是哪些序列。比如，稻属中可能野生稻之类的并非你想要的。这时就要用oryza sativa搜索，或者从oryza中选择合适的。

进一步在左侧栏中选择mRNA，此时出现在Search details中的关键字组合就是我们的过滤筛选条件，注意不是搜索框中关键字，否则你下载的将是未过滤的。

下序列

找到序列之后，就可以下载序列。通常我们利用NCBI网页中的Send to来进行下载。



但是这种方法很不稳定，经常会掉线，下载的序列很可能不完整，并不适合大批量序列的下载。

这时，Entrez Direct就派上用场了。其中三个常见的命令：

• esearch：对进行Entrez检索。
• efilter：对esearch的检索结果进行过滤
• efetch：对上面两个操作的结果进行抓取（下载）

比如以上示例，我们可以用Search details中的关键字组合来进行下载。

esearch -db nucleotide -query 'txid4530[Organism:exp] AND biomol_mrna[PROP]' | efetch -format fasta >all_oryza_mRNA.fasta

从速度来看，还不如网页直接下载。但因为是命名行，可放在后台慢慢下载。相对更为稳定。

Entrez Direct的功能很强大，文献、结构、基因、表达等数据都可下载。BioPerl和BioPython都有相应的用法，感兴趣时可以慢慢摸索。

官网命令行：

https://www.ncbi.nlm.nih.gov/books/NBK179288/#chapter6.Sequence_Records

批量下载NCBI数据的利器——Entrez Direct

Python Entrez.efetch方法代码示例