?genomic

genomic發(fā)音

英：[d?i:'???m?k]　　美：[d?i:'?o?m?k]

英：　　美：

genomic中文意思翻譯

adj. 基因組的；染色體組的

從RefSeq數(shù)據(jù)庫(kù)批量微生物基因組

在微生物基因組研究的探索中，RefSeq數(shù)據(jù)庫(kù)無疑是一把金鑰匙。它儲(chǔ)存了海量高質(zhì)量的基因組，并且NCBI的專有注解工具對(duì)其進(jìn)行了詳盡的標(biāo)注，為科研人員提供了寶貴的資源。但你是否曾有過這樣的念頭：能否一次性下載整個(gè)數(shù)據(jù)庫(kù)，來滿足大規(guī)模研究的需求？答案是肯定的，讓我們深入了解如何高效地實(shí)現(xiàn)這一目標(biāo)。

數(shù)據(jù)庫(kù)規(guī)模與數(shù)據(jù)量

截至今日，RefSeq數(shù)據(jù)庫(kù)已收錄超過20萬個(gè)基因組，若全部是微生物樣本，按照每個(gè)基因組平均5MB的容量計(jì)算，這將是一個(gè)驚人的1TB數(shù)據(jù)量。壓縮后，存儲(chǔ)需求將大大降低，足以容納在本地硬盤。當(dāng)然，我們可能更關(guān)注特定物種的基因組或根據(jù)ID下載特定集合，這就是批量下載的靈活性所在。

下載方法揭秘

雖然常規(guī)的搜索下載方式適合單個(gè)基因組，但面對(duì)大批量下載，NCBI的FTP服務(wù)器隱藏著更便捷的通道。我發(fā)現(xiàn)兩種實(shí)用的下載策略：

方法一：自動(dòng)化工具

GitHub上的NCBI-genome-download項(xiàng)目是第一個(gè)選擇。這是一個(gè)Python腳本，通過物種名或taxid等參數(shù)，可高效下載指定物種的所有基因組。使用詳情請(qǐng)參考其README文檔，這里不再贅述。

方法二：直接抓取FTP信息

更為靈活的方法來自NCBI FTP FAQ頁(yè)面，那里有兩個(gè)關(guān)鍵文件：一個(gè)包含了所有基因組的詳細(xì)信息，另一個(gè)則包含F(xiàn)TP鏈接。RefSeq的summary文件約58MB，包含20萬條記錄，其中包含accession ID、物種名稱、taxid等信息，最后一列正是FTP下載地址的所在。

借助這份summary文件，Bash高手們可以編寫腳本，按需篩選和下載。例如，要下載所有大腸桿菌（Escherichia coli）的基因組：

# 提取E. coli信息

grep "Escherichia coli" assembly_summary_refseq.txt > E.coli.txt

# FTP鏈接在第20列

for link in $(cut -f 20 E.coli.txt); do

# 文件名基于FTP路徑

id=$(echo ${link#*/})

# 下載genomic.fna.gz

wget ${link}/${id}_genomic.fna.gz

# 選擇下載其他文件類型，如gbff注釋

# 解壓縮文件

gunzip ${id}_genomic.fna.gz

done

但請(qǐng)注意，直接搜索Escherichia coli可能會(huì)包含噬菌體和病毒等非目標(biāo)物種，所以推薦使用taxid進(jìn)行精準(zhǔn)篩選。此外，處理原始文件名時(shí)，可能會(huì)遇到重復(fù)的菌株名稱或包含斜線的命名問題，需要額外處理以適應(yīng)文件系統(tǒng)。

總結(jié)與注意事項(xiàng)

批量下載RefSeq數(shù)據(jù)庫(kù)的微生物基因組是完全可行的，只需要巧妙利用提供的資源和腳本工具。但務(wù)必注意篩選和預(yù)處理，確保下載的數(shù)據(jù)準(zhǔn)確無誤。現(xiàn)在，你的微生物基因組研究之旅已經(jīng)準(zhǔn)備就緒，只等你啟動(dòng)了。

基因的定義到底是什么

（本文說給大眾看的，就是想告訴大家，你們都對(duì)） 

如果真要給基因一個(gè)簡(jiǎn)明定義：那就是有遺傳效應(yīng)的核酸片段。我認(rèn)識(shí)的港大博士也寫過一個(gè)類似的答案。

基因的定義目前已經(jīng)被徹底用爛了，曾經(jīng)有人說，基因的定義就是沒有定義。

——你說基因是DNA？RNA也可以是基因。就比如題主說的RNA病毒——你說基因編碼蛋白質(zhì)？不編碼蛋白質(zhì)的也是基因。比如很多non-coding gene，甚至還有一堆非編碼RNA，甚至人家干脆啥都不編碼，就是簡(jiǎn)單的調(diào)節(jié)一下。

——你說基因多長(zhǎng)？一個(gè)大的染色體叫基因，一個(gè)幾百的外顯子還叫基因（比如有時(shí)候轉(zhuǎn)基因只丟個(gè)外顯子進(jìn)去）。甚至一個(gè)點(diǎn)突變都可以叫基因。（比如，xxx帶有了勇士基因，這種最常見的說法，其實(shí)就是一個(gè)點(diǎn)突變）

——甚至還有假基因（關(guān)鍵是現(xiàn)在發(fā)現(xiàn)，假基因也不是白蓮花啊，這家伙能競(jìng)爭(zhēng)抑制（真）基因）現(xiàn)在可以說是上到CNS，下到路邊的大爺，都可以談基因。如果真要給基因一個(gè)定義：那就是有遺傳效應(yīng)的核酸片段。就像 @Xi Yang 提到wiki的概念gene is any discrete  locus of heritable, genomic sequence which affect an organism's traits  by being expressed as a functional product or by regulation of gene expression 仔細(xì)看一下1，discrete 實(shí)體的，至少基因不是虛幻的東西2，traits特征，啥特征？這就真的是包羅萬象了，耳朵鼻子那是特征，身高體重那是特征，血流快慢那是特征，細(xì)胞大小形狀溫度也是特征，甚至一個(gè)細(xì)胞內(nèi)的某個(gè)離子濃度大小，那還是特征。一切都是特征，基本上就等于啥都沒說。3，affect by expression or regulation這里面還是一個(gè)包羅萬象的概念表達(dá)成為function product，就是有功能的產(chǎn)品，蛋白質(zhì)，RNA都行；調(diào)節(jié)的話，DNA自己都可以調(diào)節(jié)。我舉個(gè)例子，啥叫基因：APOE，這是個(gè)載脂蛋白基因BRAFP1 ，這是2015年cell里的一個(gè)基因，它是BRAF的假基因，但是它可以調(diào)節(jié)來發(fā)揮作用，所以也是基因他們一起發(fā)揮作用（就是regulation了）

分享科學(xué)，分享世界！