NCBI数据下载的几种方式

使用wget常规下载
wget -c -t 0 https://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/nt.gz
使用aspera下载

参考:秘籍 | 惊了,使用aspera下载SRA数据速度高达 291Mb/s - 简书 (jianshu.com)
软件可以使用源码安装,也可以使用conda安装;使用的时候需要注意指定 - i,也就是你秘钥的位置(asperaweb_id_dsa.openssh)。

#一些参见的参数还包括:
-v:显示下载进度 
-QT:-Q指开启自主设定传输速率的功能,而-T指启用密钥以获得最大传输速率。二者配合-l和-m使用
-l:指定最大传输速率
-m:指定最小传输速率,一般不用设定
-k:断点续传,非常有必要,能够保证在出意外中断的情况下,继续下载文件,以避免重新下载,一般设置为-k 1 
-i:密钥地址(asperaweb_id_dsa.openssh),注意conda和源码安装的位置不同 
--mode:--mode send为上传模式;--mode recv为接收模式 

#例如:
ascp -v -QT -l 300m -P33001 -k1 \
       -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh \ 
       era-fasp@fasp.sra.ebi.ac.uk:vol1/fastq/SRR142/075/SRR14209175/SRR14209175.fastq.gz ./
补充:使用ascp批量下载NCBI的索引文件

下载内容见https://ftp.ncbi.nlm.nih.gov/blast/db/v5/nt-nucl-metadata.json

#首先要写一个nt_ftp_download.list,这里面包含nt-nucl-metadata.json中提到的每一个nt.*.tar.gz,类似于:
/blast/db/nt.015.tar.gz.md5
/blast/db/nt.016.tar.gz.md5
/blast/db/nt.003.tar.gz.md5
/blast/db/nt.004.tar.gz.md5
......
#使用sacp命令下载:
ascp -v -k 1 -QT -l 400m -i asperaweb_id_dsa.openssh的路径 --host ftp.ncbi.nlm.nih.gov --user anonftp --mode recv --file-list=nt_ftp.list.txt ./

#下载之后解压即可用

需要说明的是,虽然博主声称使用aspear下载的速度峰值能够达到291Mb/s,但实际使用的速度也就七八兆每秒,也没有比wget快多少,尽管服务器的宽带是千兆级别。
第二个就是,除了在Linux服务器中部署aspera,也可以在win界面部署,Win版本的aspera参见官网:Aspera - Connect | IBM。大概的基本逻辑和DIM类似,除了下载应用之外,还需要在服务器上安装相应的插件。

使用ncbi-genome-download

参考:NCBI-genome-download官方文档
参考:工具手册|ncbi-genome-download|NCBI数据批量下载 - 知乎 (zhihu.com)
主要功能能够批量下载NCBI的基因组相关数据,数据源自refseq和genebank。避免从NCBI上网页的下载的查找的繁琐操作,在特定的情况很方便。

#从refseq中下载细菌和病毒的数据,format默认为gb 
ncbi-genome-download bacteria,viral
#从refseq中下载病毒的assembly_report和fasta数据 
ncbi-genome-download --format assembly-report,fasta viral --parallel 4

根据我使用的初体验来说,ncbi-genome-download似乎支持断点续传,因为即使程序中断过后再次使用,也不会是重新下载。该工具类比于NCBI的edirct工具集,在不同方面各有优势,需要根据不同的实际情况使用。此外,最近NCBI开发了新的下载工具ncbi datasets

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容