NCBI Assembly数据库使用指南：轻松下载组装基因组

在微生物组学与病原生物学研究飞速发展的今天，获取高质量的细菌基因组数据是每一项重要发现的起点。无论是溯源分析、比较基因组学、疫苗设计还是耐药性研究，第一步总是：“数据从哪里来？又如何高效下载？”而全球学者公认的数据宝库，就是NCBI。

面对NCBI庞大而复杂的网站，许多初学者可能会感到困惑。别担心，本文将作为您的终极指南，一步步带您找到并下载所需的基因组数据。

第一步：明确您的目标——您需要哪种类型的数据？​​

这是最关键的一步，决定了您要访问NCBI的哪个子数据库。主要分为两类：

1. 组装完成的基因组（Assembled Genome）：

格式：通常是 .fna(FASTA格式的核酸序列),.gff(注释文件),.gbff(GenBank格式文件)等。

用途：适用于基因注释分析、比较基因组学、系统发育分析、PCR引物设计等。

下载来源：Assembly数据库。

1. 原始测序数据（Raw Sequencing Data）：

格式：fastq文件（包含测序读段和碱基质量信息）。

用途：适用于重分析、从头组装、变异鉴定（SNP/Indel）等。

下载来源：SRA (Sequence Read Archive)数据库。

本文将重点介绍最常使用的Assembly数据库的下载方法。

​​

第二步：前往NCBI Assembly数据库并搜索​​

1. 打开NCBI Assembly数据库：https://www.ncbi.nlm.nih.gov/datasets/genome/
2. 在搜索框中输入目标生物的拉丁学名（例如：Mycobacterium tuberculosis），点击Search。

第三步：筛选和选择所需基因组​​

搜索后会得到一个列表页面，这里提供了强大的筛选工具。

利用筛选器（Filters）：您可以根据“组装水平”（Assembly level）进行筛选，例如选择“Complete Genome”以下载最完整的参考基因组。还可以根据“注释状态”、“发布日期”、“物种”等条件细化结果。

查看详情：点击您感兴趣的基因组名称（如：ASM19595v2）进入其摘要页面。这个页面包含了所有关键信息：物种名、菌株、生物项目、提交者、组装质量指标（如N50）等。

​务必仔细检查这些元数据，确保它符合您的研究需求。​​

第四步：下载基因组文件​​

进入特定基因组的摘要页面后，下载区域通常在页面左上角。

1. 找到“Download”按钮并点击。
2. 在下拉菜单中，您会看到几种选项：

FASTA：仅下载基因组序列文件（.fna）。

GenBank：下载包含序列和注释信息的标准GenBank格式文件（.gbff）。这是最常用的格式之一。

GFF：下载仅包含注释信息的GFF3文件（.gff），可用于在软件中可视化基因结构。

所有文件（All files）：下载NCBI提供的该基因组所有相关文件的压缩包（通常是.tar.gz格式）。这是最推荐的方式，一站式获取全部数据。

1. 点击您需要的格式，浏览器将开始下载压缩文件。解压后即可获得您需要的基因组文件。

高级技巧与替代方案​​

•使用FTP进行批量下载：如果您需要下载多个基因组，使用浏览器可能很慢。摘要页面提供了FTP链接，您可以复制此链接，使用wget、curl或FTP客户端（如FileZilla）进行高速、稳定的批量下载。

•下载原始数据（SRA数据）：如果需要从SRA数据库下载原始fastq文件，您需要使用NCBI提供的专用工具SRA Toolkit。其中的prefetch和fasterq-dump命令是下载和转换SRA格式文件的标准流程。

•更纯净的参考序列：RefSeq数据库，在Assembly数据库中，您可能会注意到编号以GCF_开头（RefSeq）和GCA_开头（GenBank）的版本。RefSeq是NCBI经过进一步人工 curation（审编）的非冗余数据集，通常质量更高、更标准，是作为参考基因组的首选。

·密码子·生信云平台细菌基因组下载（基于GCA/GCF）小工具（http://cloud2.mimazi.net:9001/tool/article-204.html），可用于批量从NCBI FTP服务器直接下载基因组序列和注释文件，支持下载FASTA序列、GFF注释、GenBank格式等多种文件类型

密码子·生信云平台优势

·零门槛体验：无需本地安装Linux环境，无需复杂配置，打开网页即可一键上传数据，轻松运行批量下载所需基因组和注释。

·高效安全：云端计算资源强大，数据处理速度快，保障数据安全与隐私。

·友好界面：操作界面简洁直观，适合各类用户，无需编程基础。

·专业支持：提供详细的操作指南和技术支持，助力您的科研工作顺利进行。

小工具用法：

输入文件：

纯文本文件，每行一个Accession编号，必须以GCF_(RefSeq)或GCA_(GenBank)开头，并且包含版本号（如.1,.2等），文件名中禁止包含空格或中文字符，推荐文件名中仅包含字母/数字/下划线，如：list.txt

小工具结果：