如何在NCBI实现大批量数据的一一对应
来源:互联网 发布:mac有必要安装office 编辑:程序博客网 时间:2024/06/11 17:57
有时我们手头会有一批数据,或者是只有大量的某些id。比方说:accession number、gi、geneid、symbol、go、unigene、pubmed、taxid等等。事实大部分数据库都会有提供一些专门的文件或工具来实现这些数据间大批量的一一对应。
先来讲讲NCBI的。
用FTP登陆ftp.ncbi.nih.gov(windows下可以直接打开或是用迅雷/Flastget等下载工具)。cd gene/DATA(windows下依次找到gene/DATA这个文件夹)。ls一下,里面的文件大概有:
ncftp /gene/DATA > lsASN_BINARY/gene2sts gene_refseq_uniprotkb_collab.gzASN_OLD/ gene2unigene go_process.xmlgene2accession.gz gene_group.gz mim2genegene2go.gz gene_history.gz misc/gene2pubmed.gz GENE_INFO/ READMEgene2refseq.gz gene_info.gz
下面主要解释一下一些常用的文件。
1,gene2accession.gz,这里面的数据比较多,包含有NCBI所有的accession。但主要有以下的:
tax_idGeneID nucleotide_accession nucleotide_gi protein_accession protein_gi
2,gene2go.gz,主要是Gene与GO之间的一一对应。里面的数据主要有:
tax_idGeneID GO_ID GO_term3702 814629 GO:0003676 ucleic acid binding
3,gene2pubmed.gz,主要是Gene与Pubmed ID的一一对应。
tax_id GeneID PubMed_ID91246500 9873079
4,gene2unigene,Gene与Unigene数据库的一一对应
GeneID UniGene_cluster1268433 Aga.201
5,gene2refseq.gz,这个就不多讲。跟gene2accession.gz类似。不过其中的accession都是RefSeq数据库的。
6,gene_info.gz,是NCBI的Gene数据库。包含有Gene的gene_name(Symbol),第几号染色体等。主要有:
tax_id GeneID Symbol chromosome description
大概就这些。如果你会用Linux,这些大批量的一一对应是非常简单的。在GO/EMBL/Uniprot等也有类似的批量对应。以后有需要有讲到。
- 如何在NCBI实现大批量数据的一一对应
- 如何在NCBI实现大批量数据的一一对应
- loadrunner实现使用相同excel文档不同列的数据同时参数化多个字段,实现插入的数据一一对应
- 如何提高insert大批量数据的效率
- 【iOS】实现二进制数据流一一对应的处理方法
- 大批量数据导出到Excel的实现
- 如何大批量生成数据
- 如何从ncbi上下载sra数据
- 如何从NCBI下载SRA数据
- 如何从NCBI下载SRA数据
- 在NCBI数据库下载基因表达数据
- 大批量数据的插入
- 大批量的数据分页
- 大批量的数据分页
- 多线程实现大批量数据导入
- 多线程实现大批量数据导入
- 大批量的在oracle中添加不同数据,…
- ADO.Net实现Oracle大批量数据的更新优化
- Esper事件处理引擎_4_XML 数据结构处理
- 单链表相关操作
- POJ 1984 Navigation Nightmare (数据结构-并查集)
- UVA - 705 Slash Maze(dfs+floodfiil)
- ssh中“Host key verification failed.“的解决方案
- 如何在NCBI实现大批量数据的一一对应
- leetcode 刷题之路 32 Merge Intervals
- 百度轻应用开放平台
- x210v3 u-boot2014.01 成功添加单板
- Socket客户端上传文件
- Linux下的输入/输出重定向
- 用工厂方法(Factory Method)和 单例模式(Singleton)实现抽象工厂(Abstract Factory)
- UVa 164 - String Computer
- 百度员工离职总结:如何做个好员工