獲得BLASTN數據庫編程

Question

在Nucleotide BLAST search page

是有辦法獲得編程中的「選擇搜索設置」中列出的數據庫？ 也許是XML格式？ （沒關係使用的編程語言）

在此先感謝

Answer 1

我不認爲你可以得到這個信息扔NCBI Web服務。

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的：

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 2

我不完全，你打算用這個東西，而是一套完整的由NCBI使用的數據庫是在他們的FTP站點：ftp://ftp.ncbi.nih.gov/blast/db/ 如果你只在數據庫名稱感興趣，只是看在第一個位置之前。 - 大部分數據庫都足夠大，可以分割。 爲了做好一大堆過濾（例如生物體），他們使用別名文件，這些文件通過GI編號來限制這些較大的數據庫中的一個或多個。

Answer 3

某些FTP API需要以編程方式獲取這些庫。但是，即使壓縮，這些文件也相當大。可能您至少應該檢查下載網站上提供的版本是否與您已下載的緩存版本不同。 Java FTP庫在http://www.javaworld.com/javaworld/jw-04-2003/jw-0404-ftp.html進行審查。

Answer 4

你的問題對我來說還不清楚。但是，這裏是一個使用BioPerl的程序，它將從任何數據庫（在'db'下指定）和任何搜索項（在'term'下指定）獲取信息。然後這將在給定數據庫中保存一個文件，其中包含與您的搜索詞相關的所有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  => 'mymail@foo.bar', 
             -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;