本下载器对NCBI的核苷酸数据库内已知GenBank号的来自不同物种的同名称基因实现快速抓取， 抓取文件将以“物种名称_GenBank号_基因名称_序列位置.fasta”格式命名。

下载文件可用于不同物种间某基因核苷酸序列的比对与遗传进化树的绘制（需要借助其他程序进行）。

本工作旨在建立一种大批量、自动化下载NCBI数据库中的指定基因（核苷酸）序列的方法，以减少不必要的重复性工作、提高遗传演化分析的效率。

How to use

本下载器使用Python语言进行编写。

网页的自动化解析由selenium和lxml完成，资源下载由urllib完成。

需要配置selenium。

• 修改下载文件的保存路径

  将savepath_prefix修改为自定义的文件夹路径。

  savepath_prefix = 'file save path prefix'

• 修改导入Gebank表格的路径

  目前只支持csv格式。

  将csv_path修改为自定义的文件路径。

  csv_path = '*.csv'

  csv文件需要严格按照serum_type,representative_strain,GenBank三列标题进行内容填写，serum_type是血清类型，representative_strain是代表株，GenBank是编号，其中血清类型和GenBank编号是必填项，代表株是选填项。

  

执行downloader.py代码即可开始爬取和下载。

注意

本代码目前只支持product gene note三个产物关键字内容为hexon hexon protein fiber fiber protein fiber1 fiber1 protein fiber2 fiber2 protein的基因片段序列,如下图所示。

如果有疑问，请发邮件至[email protected]