目前有很多的数据库都存储了蛋白序列,比如NCBI Refseq, protein, swissprot 等,在各个数据库之间,或者是在某个数据库中,蛋白序列有大量冗余:为了方便使用,ncbi 构建了nr 库, 全称是 RefSeq non-redundant proteins: Non-redundant protein sequences from GenPept,  Swissprot, PIR, PDF, PDB, and NCBI RefSeq 完整的nr 数据库的蛋白序列和预先构建好的

参考链接: FTP README 如何下载 NCBI NR NT数据库? 下载blast:ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+ 先了解BLAST Databases:BLAST FTP Site   如何下载NCBI blast数据库? NCBI提供了一个非常智能化的脚本update_blastdb.pl来自动下载所有blast数据库. 脚本使用方法: perl update_blastdb.pl nr 有哪些可供下载的blast

目录 1.准备本地数据库文件 1.1 NR库下载 1.2 Taxonomy数据库下载 2.按物种拆分NR库 2.1 第一步:获得Aceesson和分类物种的对应关系 2.2 第二步:获得分类物种的序列 2.3 第三步:建库和比对 1.准备本地数据库文件 NR(Non-Redundant Protein Sequence Database)非冗余蛋白库,是所有GenBank+EMBL+DDBJ+PDB中的非冗余蛋白序列.Taxonomy物种分类数据库,包括大于7万余个物种的名字和系谱,这些物种都至

1.数据库简介 UniVec是一个数据库,可用于快速识别核酸序列中可能来自载体来源(载体污染)的片段.使用UniVec进行筛选是高效的,因为已经消除了大量冗余子序列,从而创建一个只包含来自大量载体的每个惟一序列段的一个副本数据库.除了载体序列,UniVec还包含用于克隆cDNA或基因组DNA过程中常用的adpter.linkers和引物的序列.这使得在载体筛选过程中可以发现这些寡核苷酸序列的污染.UniVec可以从NCBI FTP目录获得:ftp://ftp.ncbi.nlm.nih.gov/p

目录 1.Conda连接不上镜像源问题 2. aspera不能再独立使用 3.使用prefetch搭配aspera 4. prefetch下载方法 记录下下载过程,为自己和后人避坑. 1.Conda连接不上镜像源问题 首先是anaconda安装软件或创建环境时遇到的问题.即使换完清华源和其他镜像源以后依旧报错. CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://mirrors.tuna.tsi 尝试了很多方法:换源,删除.co

NCBI(National Center for Biotechnology Information,美国国家生物技术信息中心)除了维护GenBank核酸序列数据库外,还提供数据分析和检索资源.NCBI资源包括Entrez.Entrez编程组件.MyNCBI.PubMed.PudMed Central.PubReader.Gene.the NCBI Taxonomy Browser.BLAST.Pimer-Blast.COBALT.RefSeq.UniGene.HomoloGene.ProtES

简介 SRA数据库是美国国立卫生研究院(NIH)的高通量测序数据的主要归档,是国际核苷酸序列数据库协作(INSDC)的一部分,其中包括NCBI序列读取存档(SRA),欧洲生物信息学研究所(EBI)和DNA数据库 日本(DDBJ). 提交给三个组织中的任何一个的数据都是共享的. SRA数据库数据来自高通量测序平台(Roche 454 GSSystem®,Illumina GenomeAnalyzer®,Applied Biosystems SOLiDSystem®,HelicosHeliscope

Peptide Sequence Databases蛋白序列的数据库 nrAll non-redundant GenBank CDS translations + RefSeq Proteins + PDB + SwissProt + PIR + PRF所有非冗余的的GenBank CDS区的翻译序列 + 参考序列的蛋白 + PDB数据库 + SwissProt蛋白数据库 + PRF蛋白数据库 refseqRefSeq protein sequences from NCBI’s Referenc

在扩增子数据分析中,有时会发现多个OTU 注释到了同一个species ,  为什么会出现这种情况呢? 首先既然在OTU水平能分开,说明序列的相似度小于97%,  同一个物种的同一个基因的片段相似度会小于97%吗? 答案是肯定的: 对细菌,古菌,真菌来说,在species 水平下面,还有1个strain 水平,而同一个species的不同strain, 有可能会相似度小于97%: 以RDP 下载的 Fungi 数据来说,在原始数据中,会有很多类似下面这种的序列 >S000448483 Spara

转载自:http://blog.sciencenet.cn/blog-1509670-1000479.html 随着芯片和高通量测序技术的广泛应用,在肿瘤研究领域积累了越来越多的基因组学数据,特别是像The Cancer Genome Atlas(TCGA).International Cancer Genome Consortium(ICGC)等大型肿瘤基因组测序计划的启动和完成,积累了大量的基因组学数据,这些数据至今为止已经占据了NCBI等公共数据库的半壁江山,同时也产生了各种各样的数据库以

HGNC 全称为HUGO Gene Nomenclature Committee, 叫做 HUGO基因命名委员会,负责对人类基因组上包括蛋白编码基因, ncRNA基因,甲基因和其他基因在内的所有基因提供一个唯一的,标准的,可以广泛传播的symbol; 数据库的主页为 http://www.genenames.org/ 对于每个human的基因来说,在HGNC数据库中会有一个数字标识的唯一ID, 也会有一个唯一的symbol, HCNC数据库提供了免费下载的功能: 下载对应的链接,命令为 lftp

GWAS Catalog The NHGRI-EBI Catalog of published genome-wide association studies EBI负责维护的一个收集已发表的GWAS研究的数据库 Catalog stats Last data release on 2019-09-24 4220 publications 107486 SNPs 157336 associations Genome assembly GRCh38.p12 dbSNP Build 151 Ense

目录 1. eggNOG简介 2. eggNOG-Mapper注释原理 3. eggNOG 5.0数据资源 4. eggNOG-Mapper使用 5. NOG.KOG.COG.KEGG.GO区别? 1. eggNOG简介 最近考虑到所用的一些数据库太旧了,需要更新.在整理的时候发现eggNOG数据库在去年的时候已经做了一次更新eggNOG 5.0: a hierarchical, functionally and phylogenetically annotated orthology reso

之前的文章:构建NCBI本地BLAST数据库 (NR NT等) | blastx/diamond使用方法 | blast构建索引 | makeblastdb 本地运行blast时,需要指定out format. 常见的网页版blast结果可以参照:Blast结果的详细解析 *** Formatting options -outfmt <String> alignment view options: 0 = Pairwise, 1 = Query-anchored showing identit

FASQT格式是用于存储生物序列(通常是核苷酸序列)及其相应的碱基质量分数的一种文本格式.为简洁起见,序列字母和质量分数均使用单个ASCII字符进行编码.最初由Wellcome Trust Sanger Institute(桑格研究所)开发用于捆绑FASTA格式的序列和其碱基质量分数的,现在已成为存储Illumina Genome Analyzer(Illumina基因组分析仪)等高通量测序仪的标准输出格式. FASTQ文件格式 第1行,以“@” 字符开头,后面跟着一个序列标识符和一个可选的描述

1.taxonomy之简介 生物分类学是研究生物系统的一种强有力的组织原则.遗传.共同遗传的同源性以及在确定功能时保护序列和结构,这些都是生物学的中心思想,直接关系到任何一组生物体的进化史.因此,分类法在许多NCBI工具和数据库中扮演着重要的交联角色.NCBI分类法数据库是对GenBank中表示的所有生物体的名称和分类进行整理的集合.当向GenBank提交新的序列时,将检查提交的序列中是否有新的生物名称,然后对这些名称进行分类并添加到分类法数据库中.截至2003年4月1日,共有4653科2642

庐州月光 如何提取一个转录本的3'UTR区域的序列 在做microRNA 和 mRNA 相互作用预测的时候,大家都知道microRNA 作用的靶点是位于mRNA 的3'UTR取,所以只需要提取mRNA 对应的3'UTR 区的序列去做分析即可: 那么如何提取一个mRNA的3'UTR区呢? 在UCSC数据库中,提供了3'UTR区序列的下载,以人类hg19为例, 利用table browser 浏览器选择对应的序列 链接:http://genome.ucsc.edu/cgi-bin/hgTables

本文主要是自己的在线代码笔记.在生物医学本体Ontology构建过程中,我使用Selenium定向爬取生物医学PubMed数据库的内容.        PubMed是一个免费的搜寻引擎,提供生物医学方面的论文搜寻以及摘要.它的数据库来源为MEDLINE(生物医学数据库),其核心主题为医学,但亦包括其他与医学相关的领域,像是护理学或者其他健康学科.它同时也提供对于相关生物医学资讯上相当全面的支援,像是生化学与细胞生物学.        PubMed是因特网上使用最广泛的免费MEDLINE,该搜寻引

详细可参考https://www.jianshu.com/p/2f125cdf8262:https://blog.csdn.net/qq_34296043/article/details/54427786两篇文章 1)下载网址:ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+ 2)解压到文件夹.此处为E:\software\blast_2.8.0_alpha\.会自动出现一个bin文件夹(放置程序,如下图),一个doc文件夹(放置文件).然后

KEGG 官网提供了API, 可以方便的访问KEGG 数据库中的内容,链接如下: http://www.kegg.jp/kegg/rest/keggapi.html 利用API可以得到某一个基因参与的pathway 信息, 以human 为例: 1) 第一步,获取每条pathway具体的描述信息 对应的API为 : http://rest.kegg.jp/list/pathway/hsa 内容如下: 可以看到,返回的内容一共两列,第一列为物种对应的pathway, 第二列为该pathway 对应