NCBI Taxonomy数据库中的nucl_gb.accession2taxid.gz、nucl_wgs.accession2taxid.gz和taxdump.tar.gz文件在功能和内容上有以下区别：
- nucl_gb.accession2taxid.gz
- 作用：存储GenBank中非WGS/TSA的核酸序列的accession号与taxid的映射关系。
- 内容：包含四列数据：accession（无版本号）、accession.version（带版本号的序列ID）、taxid（分类学ID）和gi（已弃用字段）。
- 应用场景：适用于通过BLAST比对到NT数据库后，将核酸序列的accession号转换为对应的物种分类ID。
- nucl_wgs.accession2taxid.gz
- 作用：存储全基因组测序（WGS）项目中核酸序列的accession号与taxid的映射关系。
- 与nucl_gb的区别：
- nucl_gb覆盖常规GenBank核酸序列（如单个基因或基因组片段），而nucl_wgs专门针对WGS项目提交的contig/scaffold序列。
- 两者在accession号格式和覆盖范围上存在差异，可能导致使用nucl_wgs提取子库时结果少于预期。
- taxdump.tar.gz
- 作用：提供NCBI分类学数据库的核心文件，包含物种分类层级结构和节点关系。
- 关键文件：
- nodes.dmp：记录分类学节点间的父子关系（如门→纲→目）。
- names.dmp：记录分类学ID与名称（学名、通用名、同义词等）的对应关系。
- 应用场景：与taxonkit等工具配合使用，将taxid转换为具体的物种分类信息（如界、门、纲等）。
三者的关联与典型使用流程
- 通过BLAST比对到NT数据库后，利用nucl_gb.accession2taxid.gz或nucl_wgs.accession2taxid.gz获取序列对应的taxid。
- 结合taxdump.tar.gz中的分类学信息，将taxid转换为物种分类层级（如Bacteria;Proteobacteria;...）。
总结表格
| 文件 | 内容范围 | 核心用途 | 依赖工具/场景 |
|---|---|---|---|
| nucl_gb.accession2taxid.gz | 非WGS核酸序列 | 序列accession转taxid | BLAST结果注释 |
| nucl_wgs.accession2taxid.gz | WGS项目核酸序列 | WGS序列accession转taxid | 子库提取 |
| taxdump.tar.gz | 分类学节点与名称 | taxid转物种分类层级 | TaxonKit等工具 |
通过以上文件组合，可完成从序列比对到物种注释的全流程分析。
从refSeq下载物种基因组
从RefSeq genomes FTP可以下载refSeq的物种基因组。
下载refseq所有细菌基因组
wget https://ftp.ncbi.nlm.nih.gov/genomes/refseq/bacteria/assembly_summary.txt
$ cat assembly_summary.txt | wc -l
# 417112
$ du -sh assembly_summary.txt
# 177M assembly_summary.txt
taxonomy中统计的细菌数
通过Linux命令行FTP查看NCBI细菌基因组目录的步骤
ftp ftp.ncbi.nlm.nih.gov
输入用户名 anonymous，密码留空或填写邮箱地址（如 user@example.com）完成匿名登录
ftp> cd genomes/refseq/bacteria