当前位置：首页 > news >正文

如何查物种的12S基因片段是否存在于NCBI公共数据库？

news 2026/5/29 3:56:44

如果你已经拿到了一个地区的物种名录，下一步就是系统地查询每个物种在NCBI上有没有12S序列。考虑到物种数量多、手动查效率太低，我建议你用自动化的方式来搞定。

整套流程分三步：先搞定物种的科学名和分类信息，再用工具批量查NCBI，最后整理结果。

1. 准备一份带拉丁学名和分类的物种清单
首先需要把你手里的中文名录转成标准格式——这是后续自动查询的基础。

2. 用Gene Fetch工具批量查询NCBI
手动一条条查显然不现实。这里有个很顺手的工具——Gene Fetch，专为这类批量查询设计，能省不少时间。

安装：

bash

git clone https://github.com/bge-barcoding/gene_fetch cd gene_fetch conda env create -n fetch -f fetch.yaml conda activate fetch

准备输入文件：创建一个birds.csv文件，格式如下（根据你的数据选一种方式）：
- 最佳方案（用TaxID）：
  csv
```
sample_id,tax_id Anas_platyrhynchos,8839 Cygnus_olor,8869 ...
```
- 备选方案（用分类信息）：
  csv
```
sample_id,species,genus,family,order Anas_platyrhynchos,Anas platyrhynchos,Anas,Anatidae,Anseriformes ...
```
运行查询：在终端里执行这行命令，工具会自动调用NCBI的API去批量查询：
bash
```
gene-fetch -e 你的邮箱@example.com -k 你的API_KEY \ -g "12S ribosomal RNA" \ --type nucleotide \ -i birds.csv \ -o ./wildducklake_12s_results \ --header detailed
```
准备工作：
- -e邮箱：填你自己的邮箱就行。
- -kAPI_KEY：需要先去NCBI官网注册一个账号，然后在“API Key Management”里生成一个。NCBI对匿名请求有很严格的频率限制，但提供了API Key之后，每秒能请求10次，查询速度会快很多。

3. 整理与分析结果
命令跑完后，在wildducklake_12s_results/目录下会生成这些文件：

nucleotide/文件夹：里面是所有成功查到的12S序列，按物种存成了一个个FASTA文件。
sequence_references.csv汇总表：这个很关键，它记录了每个物种的拉丁名、TaxID、序列长度等元数据。直接在这张表里就能清晰地看到哪个物种有数据、哪个没有。
failed_searches.csv文件：查询失败的物种会记录在这里。针对这批物种，你可以进一步判断：
- 是NCBI里真的没有数据？你可以去Bold Systems等其他数据库再查查看。
- 还是你提供的查询信息（比如学名）有误？

成功登录你的NCBIC账户后，按照以下步骤生成API密钥：

进入账户设置：在NCBIC任何一个页面的右上角，点击你的用户名。在弹出的下拉菜单中，选择“Account settings”。
找到API密钥管理：在“Account Settings”页面中，向下滚动直到找到“API Key Management”区域。
创建新密钥：点击“Create an API Key”按钮。系统将立即生成一串由字母和数字组成的唯一字符串。
保存你的API密钥：
- 立即复制并保存：这是最关键的一步！将这个API密钥复制到一个安全的地方（例如，一个文本文件或密码管理器）。
- 提示：NCBI的页面说明中提到，这串密钥在你关闭页面后可能无法再次查看，如果遗失则需要重新生成一个新的。
（可选）设置环境变量：为了方便后续在命令行或R/Python脚本中使用，可以将此密钥设置为计算机的环境变量。
- Linux/macOS：在终端执行export NCBI_API_KEY='你的API密钥'
- Windows (WSL)：同样在终端执行export NCBI_API_KEY='你的API密钥'
- R语言：执行Sys.setenv(PUBMED_API_KEY = "你的API密钥")