如何下载基因组注释文件和复制链接（以GCA_000817325.1为例）

进入NCBI，search

点击Genomes

勾选，Download Package,选择基因组注释文件，有GFF、GTF两种格式

这样就可以直接下载基因组注释文件啦

---

如何得到基因组注释文件的链接？

点击ASM81732v1

点击legacy Assembly page

有两个数据库可以选择，这里选用了RefSeq

右键选择你想要的文件，就可以打开链接或者直接复制链接啦

下载

wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/000/817/325/GCA_000817325.1_ASM81732v1/GCA_000817325.1_ASM81732v1_genomic.gff.gz

解压

gunzip GCA_000817325.1_ASM81732v1_genomic.gff

查找

grep '^CP006471.1' GCA_000817325.1_ASM81732v1_genomic.gff |awk -v FS='\t' -v OFS='\t' '{if($5<10000){print $5}}'|sort|uniq|wc -l

'^CP006471.1'  抓取以该染色体序列号开头的行

awk

按行处理文件,处理完一行，再处理下一行

默认空格为分隔符，多个空格也识别为一个空格

-v FS='\t' 指定空格为输入分隔符

-v OFS='\t' 指定空格为输出分隔符(列分隔符)

$5<10000,$5,第五列, 统计前10kb的基因

sort 排序

uniq 去重

wc 统计

\t和' '完全不一样

.gff文件以\t为分隔符

如果grep的时候，以' '为分隔符，得到的结果就是错的，刚好是18(如果没有uniq去重，也是18)