参考基因组及注释文件下载

从三大核酸数据库NCBI、Ensembl、UCSC 下载参考序列及注释文件

0.人类基因组版本对应关系

NCBI	Ensembl	UCSC
GRCh36	release_52	hg18
GRCh37	release_59/61/64/68/69/75	hg19
GRCh38	release_76/77/78/80/81/82	hg38

 1.NCBI

人类基因组

GRCh38下载（默认）：

ftp://ftp.ncbi.nih.gov/genomes/H_sapiens/

GRCh37下载：

ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/BUILD.37.1/

ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/BUILD.37.2/

ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/BUILD.37.3/

GRCh36及其余版本下载：

ftp://ftp.ncbi.nlm.nih.gov/genomes/Homo_sapiens/ARCHIVE/

经常使用的GRCh37基因组大小压缩约900Mb，解压后约3G。人类的注释文件一直在更新，默认为GFF3格式。gff和gtf格式文件关系及相互转换见：https://www.jianshu.com/p/48b5a0972301

也能够经过NCBI的genome数据库下载，默认是GRCh38，若要下载其余版本，直接检索关键词。

如输入GRCh37或hg19：

 

参考序列和GFF文件都可今后处下载，其余物种相似。

 

2.Ensembl

同NCBI同样，可经过网页检索下载，也可经过ftp直接下载。

（1）官网下载：

 

 

或者经过进入download下载。

 

微生物或原生生物的下载，如幽门螺杆菌：

或者直接从这里进入：http://bacteria.ensembl.org/index.html

 http://bacteria.ensembl.org/species.html

 

 

（2）ftp下载：

ftp://ftp.ensembl.org/pub/release-75/fasta/homo_sapiens/

更改release后的数字下载相应的版本，包括dna、cdna、cds等序列信息，release-75是目前最新的hg19版本。

注释文件下载（默认gtf，大部分比对软件输入格式）：

ftp://ftp.ensembl.org/pub/release-75/gtf/homo_sapiens/

 

3.UCSC

参考序列下载很简单（尤为是人）

进入官网：http://hgdownload.cse.ucsc.edu/downloads.html，下载对应的各个版本

也可进入http://hgdownload.cse.ucsc.edu/goldenPath/hg19/bigZips/chromFa.tar.gz，修改中间数字下载不一样版本

可是注释文件下载稍微有点麻烦，须要设置一系列参数来生成：

http://genome.ucsc.edu/cgi-bin/hgTables

Select the following options:

clade: Mammal
genome: Human
assembly: Feb. 2009 (GRCh37/hg19)
group: Genes and Gene Predictions
track: UCSC Genes
table: knownGene
region: Select "genome" for the entire genome.
output format: GTF - gene transfer format
output file: enter a file name to save your results to a file, or leave blank to display results in the browser

Click 'get output'.

 

Reference：

http://www.novogene.com/tech/suppor/gene-calss/comprehensive/228.html

http://www.bio-info-trainee.com/tag/ensembl