我很伤心，不知道是不是我写的教程还是不够人性化，一个朋友在群里面问如何知道NAC基因家族在拟南芥里面的105个基因信息，我随便给他示范了一下在人类里面如何找，希望他能触类旁通，结果他不会linux，啥生信基础都没有，我只会诱导他简单学习一下，希望他至少明白什么的taxid。所以我给了他我之前写的教程，只希望他告诉我拟南芥的taxid我就帮他把那105个基因找出来。

http://www.bio-info-trainee.com/?p=84

结果好半天都不回信息了，我还以为他自己解决了，我礼貌性的再问一次，才知道他没看懂我的教程，我实在不明白，那么通俗的教程为嘛还是不能亲民呢？？？

拟南芥的拉丁名是Arabidopsis thaliana，在NCBI的Taxonomy里面搜索可以看到

然后点击进去

就简单的两个步骤呀，就可以看到taxid的呀！！！

然后我只需要简单一个命令就可以解决题目的问题了！

grep -w  NAC  gene_info |perl -alne '{print if $F[0] == 3702}'

其中gene_info在NCBI的ftp里面可以下载！！我前面也提到过，是所以物种的基因信息

我只需要查找基因名字是NAC的，然后物种代码是3702的就是他拟南芥的呀！！！

正好105个基因，达到了他的要求！！！

物种的信息集合都在它的NCBI的taxid号里面，在NCBI里面关于它的英文介绍地址如下 http://www.ncbi.nlm.nih.gov/guide/taxonomy/ ，NCBI人为的给自然界所有的物种都给了一个编号，这个编号就是taxid，是根据计算机里面树这种数据结构来编码的，其中人类的编号是 9606，7227是果蝇，我们只需要进入这个物种的taxid里面就能看的关于它的一切NCBI存在并且收集好的信息。

可以看到NCBI到2015年为止已经收录近50万的物种的基因。

我们可以进入人类的9606这个ID里面进去看看

http://www.ncbi.nlm.nih.gov/taxonomy/?term=9606[uid]

可以看出，人类这个并不是最底层的taxid类别，下面还有两个分类

关于人类这个物种的信息是非常多的

http://www.ncbi.nlm.nih.gov/Taxonomy/Browser/wwwtax.cgi?mode=Info&id=9606&lvl=3&lin=f&keep=1&srchmode=1&unlock

但是它下面的两个亚种人，就比较少的信息。

关于这个taxid的资料还有很多 ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/

其中我们可以下载 wget  ftp://ftp.ncbi.nih.gov/pub/taxonomy/taxdump.tar.gz 这个文件，解压可以看到里面有以下文件，其中比较重要的两个文件

nodes.dmp 这个文件列出了taxid的树的结构信息，子节点，父节点等等

names.dmp 这个文件里面列出了每个独特的taxid对应着的物种名

其它信息不重要，自己看咯

gencode.dmp

-----------

Genetic codes file:

genetic code id -- GenBank genetic code id

abbreviation -- genetic code name abbreviation

name -- genetic code name

cde -- translation table for this genetic code

starts -- start codons for this genetic code

delnodes.dmp

------------

Deleted nodes (nodes that existed but were deleted) file field:

tax_id -- deleted node id

merged.dmp

----------

Merged nodes file fields:

old_tax_id                              -- id of nodes which has been merged

new_tax_id                              -- id of nodes which is result of merging

citations.dmp

-------------

Citations file fields:

cit_id -- the unique id of citation

cit_key -- citation key

pubmed_id -- unique id in PubMed database (0 if not in PubMed)

medline_id -- unique id in MedLine database (0 if not in MedLine)

url -- URL associated with citation

text -- any text (usually article name and authors)

-- The following characters are escaped in this text by a backslash:

-- newline (appear as "\n"),

-- tab character ("\t"),

-- double quotes ('\"'),

-- backslash character ("\\").

taxid_list -- list of node ids separated by a single space