如何下载人类的参考基因组和注释文件

参考基因组概况

参考基因组下载的网站主要有3个NCBI,Ensembl,UCSC，一般参考基因组的.gz压缩文件文件大小为900M以上不超过950M，解压后大于等于3G.

                                                                              基因组的主要版本对应关系

参考基因组下载过程

UCSC下载参考基因组

网址：http://genome.ucsc.edu/

点击次序(->本网页点击；)：dowloads->Genome Data>>Human->full data

nohup wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/hg19.fa.gz &
gzip -d  hg19.fa.gz

 

基因组注释文件下载 

UCSC下载参考基因组注释

设置如上，点击get output开始下载

ncbi的数据参考基因组下载过程

一、网址：https://www.ncbi.nlm.nih.gov/genome/?term=human

该网址是在ncbi的以“human”为检索词搜索词检索genome数据库获得的，这可以在URL中看到，该方式是以http方式下载的文件。

二、ftp站点下载：https://ftp.ncbi.nih.gov/（需要控制参考基因组版本的话，可以采取该种方式，网站使用的一般是最新的基因组文件）

记得需要的GCA_000001405序号

https://ftp.ncbi.nih.gov/genomes/all/GCA/000/001/405/GCA_000001405.28_GRCh38.p13/

https://ftp.ncbi.nih.gov/genomes/all/GCA/000/001/405/在该步骤是可以选择版本的，在这里不描述，相信各位可以观察到具体是如何组织文件的。我们选择 的.p13，写这篇笔记的时候这个是最新的。

右击复制，可用于shell下用wget工具下载工具下载

#下载参考基因组
wget https://ftp.ncbi.nih.gov/genomes/all/GCA/000/001/405/GCA_000001405.28_GRCh38.p13/GCA_000001405.28_GRCh38.p13_genomic.fna.gz 
gzip -d GCA_000001405.28_GRCh38.p13_genomic.fna.gz 

#下载gff注释文件
wget https://ftp.ncbi.nih.gov/genomes/all/GCA/000/001/405/GCA_000001405.28_GRCh38.p13/GCA_000001405.28_GRCh38.p13_genomic.gff.gz
gzip -d GCA_000001405.28_GRCh38.p13_genomic.gff.gz

 提醒：一定要注意ncbi中URL中的规律，共勉