以编程方式获取blastn数据库

Question

在 核苷酸BLAST搜索页面

有没有办法以编程方式获取“选择搜索集”框中列出的数据库？ 也许是 XML 格式？ （使用的编程语言并不重要）

Answer 1

你的问题我不清楚。然而，这里是一个使用 BioPerl 的程序，它将从任何数据库（在“db”下指定）和任何搜索词（在“term”下指定）获取信息。然后，这将保存一个文件，其中包含与给定数据库中的搜索词相关的所有 NCBI 序列。

########## http://www.bioperl.org/wiki/HOWTO:EUtilities_Cookbook #########

#!/usr/bin/perl -w

BEGIN {push @INC,"path to BioPerl";}
use Bio::DB::EUtilities;
my $factory = Bio::DB::EUtilities->new(-eutil      => 'esearch',
                                       -email      => '[email protected]',
                                       -db         => 'nucleotide',
                                       -term       => 'search terms here',
                                       -usehistory => 'y');

my $count = $factory->get_count;
# get history from queue
my $hist  = $factory->next_History || die 'No history data returned';
print "History returned\n";
# note db carries over from above
$factory->set_parameters(-eutil   => 'efetch',
                         -rettype => 'fasta',
                         -history => $hist);

my $retry = 0;
my ($retmax, $retstart) = (500,0);

open (my $out, '>', 'db:protein_term-VP1_AND_Parvovirus-NOT_dependovirus,patent,partial.fa') || die "Can't open file:$!";

RETRIEVE_SEQS:
while ($retstart < $count) {
    $factory->set_parameters(-retmax   => $retmax,
                             -retstart => $retstart);
    eval{
        $factory->get_Response(-cb => sub {my ($data) = @_; print $out $data} );
    };
    if ($@) {
        die "Server error: $@.  Try again later" if $retry == 5;
        print STDERR "Server error, redo #$retry\n";
        $retry++ && redo RETRIEVE_SEQS;
    }
    #say "Retrieved $retstart";
    $retstart += $retmax;
}

close $out;

Answer 2

我认为您无法通过 NCBI Web 服务获取此信息。

使用 XSLT:

<?xml version='1.0'  encoding="ISO-8859-1" ?>
<xsl:stylesheet
    xmlns:xsl='http://www.w3.org/1999/XSL/Transform'
    version='1.0'
    >

<xsl:output method="text"/>
<xsl:template match="/">
<xsl:apply-templates select="//select[@id='DATABASE']"/>
</xsl:template>


<xsl:template match="select[@id='DATABASE']">
<xsl:for-each select=".//option">
<xsl:value-of select="@value"/>
<xsl:text>  </xsl:text>
<xsl:value-of select="."/>
<xsl:text>
</xsl:text>
</xsl:for-each>
</xsl:template>

</xsl:stylesheet>

和 xsltproc:

xsltproc --html stylesheet.xsl "http://blast.ncbi.nlm.nih.gov/Blast.cgi?PROGRAM=blastn&BLAST_PROGRAMS=megaBlast&PAGE_TYPE=BlastSearch&SHOW_DEFAULTS=on&LINK_LOC=blasthome" 2> /dev/null

返回；

dbindex/9606/ref_contig dbindex/9606/alt_contig_HuRef dbindex/9606/rna  Human genomic plus transcript (Human G+T)
dbindex/10090/alt_contig dbindex/10090/ref_contig dbindex/10090/rna     Mouse genomic plus transcript (Mouse G+T)
nr      Nucleotide collection (nr/nt)
refseq_rna      Reference mRNA sequences (refseq_rna)
refseq_genomic  Reference genomic sequences (refseq_genomic)
chromosome      NCBI Genomes (chromosome)
est     Expressed sequence tags (est)
est_others      Non-human, non-mouse ESTs (est_others)
gss     Genomic survey sequences (gss)
htgs    High throughput genomic sequences (HTGS)
pat     Patent sequences(pat)
pdb     Protein Data Bank (pdb)
alu     Human ALU repeat elements (alu_repeats)
dbsts   Sequence tagged sites (dbsts)
wgs     Whole-genome shotgun reads (wgs)
env_nt  Environmental samples (env_nt)

Answer 3

我不完全是你打算用这个的目的，但 NCBI 使用的完整数据库集位于他们的 FTP 站点：ftp://ftp.ncbi.nih.gov/blast/db/
如果您只对数据库名称感兴趣，只需查看第一个 之前的位即可。 ——大多数数据库都足够大，可以进行分段。
为了进行大量的过滤（例如通过生物体），他们使用别名文件来通过 GI 编号限制这些较大数据库中的一个或多个。

Answer 4

需要一些 FTP API 才能以编程方式获取这些库。然而，即使压缩后，这些文件也相当大。也许您至少应该检查下载网站上的可用版本是否与您已下载的缓存版本不同。 Java FTP 库的审查位于 http://www.javaworld .com/javaworld/jw-04-2003/jw-0404-ftp.html。