KEGG數(shù)據(jù)庫病毒基因組的下載是怎樣的

發(fā)布時間：2021-12-23 17:03:49 來源：億速云閱讀：198 作者：柒染欄目：大數(shù)據(jù)

今天就跟大家聊聊有關(guān)KEGG數(shù)據(jù)庫病毒基因組的下載是怎樣的，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

KEGG數(shù)據(jù)庫蛋白序列數(shù)據(jù)的下載方法中存在兩個問題：

1. 在KEGG數(shù)據(jù)庫中病毒物種的命名并非像細(xì)胞生物一樣為小寫字母的縮寫，因此在批量下載時遇到病毒會報錯而無法下載，如下所示：

2. 在根據(jù)蛋白序列id下載序列時會出現(xiàn)下載不完整的情況，這樣在最終的合并時就會出現(xiàn)錯誤。

現(xiàn)針對以上兩個問題提供解決方案。首先針對第一個問題，在KEGG數(shù)據(jù)庫中病毒物種的名稱的確沒有標(biāo)準(zhǔn)縮寫，但是所有病毒可以用縮寫“vg”來表示（也即viral genome的縮寫），下載方法如下所示：

wget -c http://rest.kegg.jp/list/vg

這樣我們就獲得了所有病毒的蛋白列表，如下所示：

vg:23892186  CP, DU23_s2gp1; Arhar cryptic virus-II; Coat Proteinvg:24271495  LAT, HHV2s01; Human alphaherpesvirus 2; LATvg:1487286  RL1, HHV2p77; Human alphaherpesvirus 2; neurovirulence protein ICP34.5vg:1487288  RL2, HHV2p76; Human alphaherpesvirus 2; ubiquitin E3 ligase ICP0vg:1487292  UL1, HHV2p75; Human alphaherpesvirus 2; envelope glycoprotein Lvg:1487303  UL2, HHV2p74; Human alphaherpesvirus 2; uracil-DNA glycosylasevg:24271453  UL3, HHV2p73; Human alphaherpesvirus 2; nuclear protein UL3vg:1487326  UL4, HHV2p71; Human alphaherpesvirus 2; nuclear protein UL4vg:1487338  UL5, HHV2p72; Human alphaherpesvirus 2; helicase-primase helicase subunitvg:1487346  UL6, HHV2p70; Human alphaherpesvirus 2; capsid portal protein

其中左邊第一列即為病毒蛋白序列的id，可以遍歷id來獲得序列。

針對第二個問題，這是wget命令的一個缺陷，我們可以通過判斷每個文件的最后是否為換行符\n來判斷文件是否下載完整，如下所示：

tail -n1 <download_file> |wc -l

如果文件下載完整，最后一個字符為換行符，那么結(jié)果為1，否則為0，如下所示：

KEGG數(shù)據(jù)庫病毒基因組的下載是怎樣的

看完上述內(nèi)容，你們對KEGG數(shù)據(jù)庫病毒基因組的下載是怎樣的有進(jìn)一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。

向AI問一下細(xì)節(jié)

KEGG數(shù)據(jù)庫病毒基因組的下載是怎樣的

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽