千人基因组计划基因分型数据下载_千人基因组数据下载基因数据-CSDN博客

　　最近需要下载千人基因组计划中的中国人数据作为参考，于是学习了下几个下载方法。发现还是有几个小技巧值得分享的，就记录分享一下！我找到的主要方法有两三个，分别是通过网页下载，API批量下载和ftp批量下载。 1.网页下载

　　这个比较简单，也已经有很多教程，列在这里，我就不写了。

　　千人基因组计划数据库下载某段区域SNP

　　传说中的千人基因组计划 2.ftp或者ascp批量下载 1)下载所有的数据和位点

　　如果你需要所有的数据和位点，那么ftp或者ascp批量下载是一个不错的选择，特别是后者，可以用完你的带宽，节约你的时间。

　　比如，这个教程提供的下载命令：【直播】我的基因组55：简单的PCA分析千人基因组的人群分布

　　在1000 Genome Project找到一个ascp下载的命令：

　　上面这个是linux系统下的命令，如果是Windows或者Mac参见我整理的命令，见下一篇推文。这个下载的数据看日期可能不如上面一个全面，60多G的数据，在100M的速度下，估计下载时间为两个小时左右。 2)下载特定个体或者snp

　　当你需要的是特定个体，区域或者位点的时候，官网的这个命令就派上了用场。

　　比较遗憾，总是报错，下载始终没有成功。报错如下：

　　可是文件明显是存在的，网页可访问，只好暂时作罢。

　　参考的官方网页地这：https://www.internationalgenome.org/faq/how-do-i-get-sub-section-vcf-file/

　　和https://www.internationalgenome.org/faq/can-i-get-haplotype-data-1000-genomes-individuals/ 3.API批量下载

　　其实这个千人基因组计划的数据库是完全开放的，可以以匿名用户登陆的，如果你对数据库完全熟悉，完全可以以命令行或者图形客户端来查看导出，更为高效，无奈我水平不够，只有使用官方现成Perl API了。

　　其实作为一个API，它的安装还是极其新手不友好的，各种安装，编译。我尝试了下，没有成功，好在官方提供了虚拟机镜像，我想对于一般人，虚拟机够用了，直接下载，导入就可以使用，有图形界面，好操作。虚拟机的使用，官方给出了详细教程，基本上已经是一步步的教程，很详细，没必要翻译了，地址在这：

　　http://asia.ensembl.org/info/data/virtual_machine.html

　　使用API测试一下 单个数据的下载

　　我要下载的是千人基因组某个snp的全部样本分型结果，官方有现成示例脚本，snp不多的话就直接下载了，多的话可以构建个循环进行，先看单个的下载。只做了一个改动，把$variation_adaptor->db->use_vcf(1);注释去掉了。大概5分钟一个结果，可能是数据库庞大，需要这么长时间，还是防止并发过多。反正速度不够快，不过不急的话也够用了。

　　批量下载

　　这里我写了个python小脚本，perl曾经试图学过，没学会。很简单，就两句，应该shell更高效，估计一行就好，功力不到呀。

　　好了，几番折腾后，终于获得了自己需要的数据，同样的还可以获得频率什么的。