简易教程：利用rsync获取PDB数据库

2018.5.28 星期一 多云 biolearn

从PDB数据库下载复合物的结构有两种方式，一是直接通过网页检索下载，二是使用rsync从PDB ftp端下载。

下载指定ID的PDB

PDB ftp 端的文件命名格式是 pdbID.ent.gz，所以在下载指定名字的PDB文件时，需要按照ftp上的命名规则命名下载，例如，下载名为1aay的结构，下载的文件是gz格式，解压后即为PDB文件。

wget ftp://ftp.wwpdb.org/pub/pdb/data/structures/all/pdb/pdb1aay.ent.gz
gunzip pdb1aay.ent.gz

下载全部的PDB文件

不同文件格式对应的下载命令

PDB格式

rsync -rlpt -v -z --delete --port=33444 rsync.rcsb.org::ftp_data/structures/divided/pdb/ ./pdb

mmCIF格式

rsync -rlpt -v -z --delete --port=33444 rsync.rcsb.org::ftp_data/structures/divided/mmCIF/ ./mmCIF

xml格式

rsync -rlpt -v -z --delete --port=33444 rsync.rcsb.org::ftp_data/structures/divided/XML/ ./XML

解压所有文件

将下载下来的所有.gz的文件进行解压并修改为.pdb的格式并存放在文件夹pdbstructure中的shell脚本

#!/bin/sh
mkdir pdbstructure
for filename in `ls ./pdb`
do
    gunzip ./pdb/$filename/*
    for subfile in `ls ./pdb/$filename`
    do
        target_name=${subfile:3:4}.pdb
        mv ./pdb/$filename/$subfile ./pdbstructure/$target_name
    done
done

参考资料

http://www.wwpdb.org/download/downloads