KEGG数据库病毒基因组的下载是怎样的

今天就跟大家聊聊有关KEGG数据库病毒基因组的下载是怎样的,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。

KEGG数据库蛋白序列数据的下载方法中存在两个问题:

1. 在KEGG数据库中病毒物种的命名并非像细胞生物一样为小写字母的缩写,因此在批量下载时遇到病毒会报错而无法下载,如下所示:

KEGG数据库病毒基因组的下载是怎样的

2. 在根据蛋白序列id下载序列时会出现下载不完整的情况,这样在最终的合并时就会出现错误。

现针对以上两个问题提供解决方案。首先针对第一个问题,在KEGG数据库中病毒物种的名称的确没有标准缩写,但是所有病毒可以用缩写“vg”来表示(也即viral genome的缩写),下载方法如下所示:

wget -c http://rest.kegg.jp/list/vg

这样我们就获得了所有病毒的蛋白列表,如下所示:

vg:23892186  CP, DU23_s2gp1; Arhar cryptic virus-II; Coat Proteinvg:24271495  LAT, HHV2s01; Human alphaherpesvirus 2; LATvg:1487286  RL1, HHV2p77; Human alphaherpesvirus 2; neurovirulence protein ICP34.5vg:1487288  RL2, HHV2p76; Human alphaherpesvirus 2; ubiquitin E3 ligase ICP0vg:1487292  UL1, HHV2p75; Human alphaherpesvirus 2; envelope glycoprotein Lvg:1487303  UL2, HHV2p74; Human alphaherpesvirus 2; uracil-DNA glycosylasevg:24271453  UL3, HHV2p73; Human alphaherpesvirus 2; nuclear protein UL3vg:1487326  UL4, HHV2p71; Human alphaherpesvirus 2; nuclear protein UL4vg:1487338  UL5, HHV2p72; Human alphaherpesvirus 2; helicase-primase helicase subunitvg:1487346  UL6, HHV2p70; Human alphaherpesvirus 2; capsid portal protein

其中左边第一列即为病毒蛋白序列的id,可以遍历id来获得序列。

针对第二个问题,这是wget命令的一个缺陷,我们可以通过判断每个文件的最后是否为换行符/n来判断文件是否下载完整,如下所示:

tail -n1 <download_file> |wc -l

如果文件下载完整,最后一个字符为换行符,那么结果为1,否则为0,如下所示:

KEGG数据库病毒基因组的下载是怎样的

看完上述内容,你们对KEGG数据库病毒基因组的下载是怎样的有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注亿速云行业资讯频道,感谢大家的支持。

原创文章,作者:506227337,如若转载,请注明出处:https://blog.ytso.com/tech/opensource/231857.html

(0)
上一篇 2022年1月18日 15:15
下一篇 2022年1月18日 15:15

相关推荐

发表回复

登录后才能评论