Home
/
Information
/
Articles
/
BioProject数据下载说明
Back to top

BioProject数据下载说明

2025-04-27 15:36:57
2025-04-29 10:54:11
2,315

NCBI生物项目数据

FTP下载地址：https://ftp.cngb.org/pub/ncbi/bioproject

文件说明

bioproject.xml.gz

NCBI提供的BioProject XML数据文件，包含生物项目的元数据信息，涵盖基因组测序、转录组分析、表观遗传学等多种研究类型。

数据来源：https://ftp.ncbi.nlm.nih.gov/bioproject/bioproject.xml

文件结构：

  • <Package>：文件的根元素，包含多个 <Document> 元素
  • <Document>：代表一个BioProject记录
    • <Project>：项目的核心信息
      • <ProjectID>：项目的唯一标识符（如PRJNA123456）
      • <ProjectType>：项目类型（如Genome sequencing）
      • <Title>：项目标题
      • <Description>：项目描述
      • <Organism>：研究对象的生物分类信息
      • <Publication>：相关出版物信息
      • <ExternalLink>：外部资源链接（如GEO、SRA）

biosample_set.xml.gz

NCBI提供的BioSample XML数据文件，包含生物样本的元数据信息，涵盖基因组测序、转录组分析、表观遗传学等多种研究类型的样本。

数据来源：https://ftp.ncbi.nlm.nih.gov/biosample/biosample_set.xml.gz

文件结构：

  • <BioSampleSet>：文件的根元素，包含多个 <BioSample> 元素
  • <BioSample>：代表一个生物样本记录
    • <Accession>：样本的唯一标识符（如SAMN12345678）
    • <Description>：样本描述
    • <Organism>：样本的生物分类信息
    • <Attributes>：样本属性
      • <Attribute>：单个属性（如tissue、age）
    • <Links>：相关资源链接
      • <Link>：单个链接（如SRA、GEO）

SRA_Accessions.tab.gz

NCBI提供的SRA(Sequence Read Archive)元数据文件，包含SRA记录的访问号及其相关信息。

数据来源：https://ftp.ncbi.nlm.nih.gov/sra/reports/Metadata/SRA_Accessions.tab

文件格式：

制表符分隔的文本文件(.tab)，主要列包括：

列序号 列名 描述 示例值
1 Accession SRA记录的唯一标识符（SRR/SRX/SRS/SRP前缀） SRR12345678
2 Submission 提交的父级访问号（通常以SRA/SUB前缀开头） SRA1234567
3 Status 记录状态：live（公开）、suppressed（隐藏）、killed（删除） live
4 Updated 最后更新日期（YYYY-MM-DD格式） 2023-05-15
5 Published 公开发布日期（YYYY-MM-DD格式） 2023-05-10
6 Received 数据接收日期（YYYY-MM-DD格式） 2023-05-01
7 Type 记录类型：RUN/EXPERIMENT/SAMPLE/STUDY RUN
8 Center 提交中心名称（如NCBI、EBI等） NIH
9 Visibility 数据可见性：public/private public
10 Alias 提交者自定义的别名（可能为空） Patient_1_RNA
11 Experiment 关联的实验访问号（SRX前缀） SRX1234567
12 Sample 关联的BioSample访问号（SAMN前缀） SAMN12345678
13 Study 关联的BioProject访问号（PRJNA前缀） PRJNA123456
14 Loaded 数据加载完成日期（YYYY-MM-DD格式） 2023-05-05
15 Spots 测序点的总数（RUN类型特有） 50000000
16 Bases 总碱基数（RUN类型特有） 10000000000
17 Md5sum 数据文件的MD5校验和（RUN类型特有） a1b2c3d4e5f6...
18 BioSample 同Sample列（冗余字段） SAMN12345678
19 BioProject 同Study列（冗余字段） PRJNA123456
20 ReplacedBy 若记录被替换，指向新访问号（否则为空） SRR98765432

注意事项

  1. 我们同步的数据全部来自NCBI（美国国家生物技术信息中心）的公开数据库bioproject、biosample和sra。所有数据均通过NCBI官方提供的接口或下载渠道获取。
  2. 请按照NCBI的规定引用相关数据。
  3. 平台会定期更新NCBI数据，如希望更新数据，可以联系我们。
  4. 用户使用NCBI的数据，需严格遵守NCBI的相关政策：https://www.ncbi.nlm.nih.gov/home/about/policies/。若发现内容存在侵权行为，请及时与我们联系，我们会删除相关内容。
  5. 具体的说明以NCBI的官方文档https://ftp.ncbi.nlm.nih.gov/bioproject/README为准

联系方式

如果有其他问题（如新增数据库需求或数据使用疑问），欢迎随时联系我们：