【1.6.4】Taxonomy 数据库

NCBI的分类数据库，包括大于7万余个物种的名字和种系，这些物种都至少在遗传数据库中有一条核酸或蛋白序列。其目的是为序列数据库建立一个一致的种系发生分类学。截止发稿日为止该数据库所包含的物种数目统计表如下:

表1 Taxnomoy数据库物种数目统计表

下载文件：

https://ftp.ncbi.nih.gov/pub/taxonomy

下载gi_taxid.nucl.dmp.gz（NT记录ID号与taxid对应关系），gi_taxid.prot.dmp.gz（NR记录ID号与taxid对应关系）和taxdump.tar.gz三个文件；

taxdump.tar.gz里包含两个重要文件，即names.dmp和nodes.dmp；

names.dmp

names.dmp文件共包含4列，以“|”分割，各列描述如下：

其中tax_id即为taxonomy的记录号，name_txt即对应tax_id号的物种名称。

nodes.dmp

nodes.dmp文件共包含13列，以“|”分割，各列描述如下：

其中，物种分类注释时需要tax_id（Taxonomy记录号）,parent tax_id（上一层分类级别的tax_id）和rank（该tax_id所处的分类层级）。

参考资料

• https://www.sohu.com/a/211785974_99908466?qq-pf-to=pcqq.c2c