STEP 0 —（任意）conda 環境を有効化
conda activate ncbi_datasets
STEP 1 — メタデータだけを軽量で取得する
（※ 実データを除外するために --include none を指定）
datasets download genome taxon "<TAXON_NAME>" --include none --filename <TAXON>.zip
例：
datasets download genome taxon "Cyprinoidei" --include none --filename cyprinoidei.zip
--include none により、データ本体（fasta, gff など）が除外され、
metadata.jsonl だけの軽量 ZIP（数百 KB〜数 MB） が得られます。
（NCBI Datasets が JSON Lines のメタデータを含む ZIP を作る仕様
STEP 2 — 最低限の情報を TSV に変換する
（organism-name / assembly name / accession）
dataformat tsv genome \
--package <TAXON>.zip \
--fields organism-name,assminfo-name,accession \
> <TAXON>.tsv
例：
dataformat tsv genome --package cyprinoidei.zip \
--fields organism-name,assminfo-name,accession \
> cyprinoidei.tsv
STEP 3 — RefSeq（GCF_）だけ抽出する
RefSeq は NCBI の規則で アクセッションが GCF_ ではじまるため、最も確実なフィルタ方法です（GenBank は GCA_）。
これは NCBI Datasets metadata でも公式に提供されるフィールド。
awk -F '\t' 'NR==1 || $3 ~ /^GCF_/' <TAXON>.tsv > <TAXON>_refseq.tsv
例：
awk -F '\t' 'NR==1 || $3 ~ /^GCF_/' cyprinoidei.tsv > cyprinoidei_refseq.tsv
（任意）STEP 4 — 詳細フィールドが必要なら catalog で確認
ZIP 内の metadata.jsonl に含まれるすべてのフィールドは：
dataformat catalog --package <TAXON>.zip
で確認できます。
（Datasets v18 以降、この catalog は JSON-lines の構造一覧を返すようになっています。）
必要なフィールドがわかれば：
dataformat tsv genome --package <TAXON>.zip --fields <FIELD1>,<FIELD2>,<FIELD3>,... > out.tsv
の形で自由に選んで追加できます。
STEP 5 — （任意）Excel 形式で出力
dataformat excel genome \
--package <TAXON>.zip \
--fields organism-name,assminfo-name,accession \
> <TAXON>.xlsx
（Excel でそのまま並べ替え・フィルタできます）
|
