怎么使用Perl語言下載基因組數(shù)據(jù)

本篇內(nèi)容介紹了“怎么使用Perl語言下載基因組數(shù)據(jù)”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

IMG（Integrated Microbial Genomes）由美國能源部聯(lián)合基因組研究中心（Joint GenomeInstitute，JGI）于2005年創(chuàng)立，是綜合的微生物基因組數(shù)據(jù)庫及比較分析系統(tǒng)。IMG收錄了細(xì)菌、古菌、質(zhì)粒、病毒以及少量真核生物基因組數(shù)據(jù)，其數(shù)據(jù)主要來源于NCBI的RefSeq數(shù)據(jù)庫，但是增添了更加詳細(xì)的注釋信息，例如CRISPR序列、信號(hào)肽、非編碼RNA、功能基因等。IMG基于COG、Pfam、TIGRfam、InterPro、GO和KEGG等數(shù)據(jù)庫產(chǎn)生基因家族的注釋信息。其主頁如下所示：

IMG整理了詳細(xì)的微生物基因組信息，包括物種的分類、生存環(huán)境、基因組序列長度、GC含量、編碼基因數(shù)目、數(shù)據(jù)質(zhì)量以及研究項(xiàng)目信息等，目前僅細(xì)菌基因組收錄的數(shù)目已超過5萬。在IMG搜索頁面（Find Genomes），每個(gè)條目均可排序篩選，查詢搜索十分方便，且基因組信息可以很方便的輸出。

基因組注釋信息我們可以很方便的導(dǎo)出到表格，那么如何批量下載對(duì)應(yīng)的基因組序列數(shù)據(jù)呢？在JGI Portal的主頁中列出了三種可行的下載方法，如下所示：

批量下載我們推薦第三種也即使用API進(jìn)行下載，這樣我們可以很好的整合到程序里面，在服務(wù)器進(jìn)行下載。點(diǎn)擊上面第三種方法，頁面上會(huì)列出curl地址及使用方法，如下所示：

首先我們需要在JGI主頁注冊(cè)一個(gè)賬戶，然后使用Perl語言根據(jù)上述信息編寫下載程序：

#!/usr/bin/env perluse strict;use warnings;use Getopt::Long;
die "perl $0 -cookies yes|no $0 \n" if $#ARGV<0;my($cookies);GetOptions("cookies=s"=>\$cookies);my $user='xxxxxxxxx'; #單引號(hào)內(nèi)寫你JGI登錄郵箱my $passwd="xxxxxxxxxx"; #雙引號(hào)內(nèi)寫你JGI登陸密碼`curl 'https://signon-old.jgi.doe.gov/signon/create' --data-urlencode "login=$user" --data-urlencode "password=$passwd" -c cookies > login.log` unless $cookies eq "no";
while(<>){    chomp;    next if /taxon_oid/;    next if /^$/;    my @line=split /\t+/;    my $specie_name="IMG_".$line[6];    `curl 'https://genome.jgi.doe.gov/portal/ext-api/downloads/get-directory?organism=$specie_name' -b cookies > xml 2>/dev/null`;    my($specie,$url)=&xml2url("xml",$specie_name);    `curl 'https://genome.jgi.doe.gov/portal/ext-api/downloads/get_tape_file?blocking=true&url=$url' -b cookies -m 600 > $specie.tgz 2>/dev/null` if $url;}
sub xml2url{    my ($xml,$spe)=@_;    open XML,$xml or die "Failed to open xml: $!";    my $input=join("", <XML>);    if($input=~/label="(.+?)".+?url=(\/IMG.+?tar\.gz).+?md5/m){        my $label=$1;        my $url=$2;        $label=~s/\s+/_/g;        $label=~s/[\(\)]/_/g;        `mv $xml $label.xml`;        return $label,$url;    }else{        `cp $xml $spe.xml` ;    }}##End##

這里我根據(jù)IMG的curl網(wǎng)址變化進(jìn)行了修改。我們將此腳本保存為down_genome_from_jgi.pl。接下來在IMG主頁搜索需要下載的基因組：

選中要下載的基因組后點(diǎn)擊Export保存xls文件到自己的電腦，然后上傳到服務(wù)器，下載的文件如下所示：

其中第七列為IMG Genome ID，如果不是需要修改前面腳本的第18行。在服務(wù)器批量下載這些基因組如下所示：

perl down_genome_from_jgi.pl taxontable56069_28-may-2019.xls

下載完成后每個(gè)基因組均有一個(gè)后綴tgz的壓縮文件，里面包含基因組序列與基因、蛋白序列等，如下所示：

“怎么使用Perl語言下載基因組數(shù)據(jù)”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！