#!/bin/bash
# 本轮全部数据来自 NCBI Datasets v2，匿名可直接下载：无需注册、无需 API key、无需 DUA。
# 只取注释产物（蛋白与 CDS），不下载整份基因组序列。
set -euo pipefail
OUT="${1:-./data}"; mkdir -p "$OUT"; cd "$OUT"
for acc in \
  GCF_024868665.1 `# Triplophysa rosa   洞穴种` \
  GCF_015846415.1 `# Triplophysa dalaica 地表种` \
  GCA_008369825.1 `# Triplophysa tibetana 地表种` \
  GCF_947034865.1 `# Barbatula barbatula 条鳅科外群` \
  GCF_027580225.2 `# Misgurnus anguillicaudatus 花鳅科外群` \
  GCF_052040795.1 `# Danio rerio 远外群` ; do
  curl -sL "https://api.ncbi.nlm.nih.gov/datasets/v2alpha/genome/accession/$acc/download?include_annotation_type=PROT_FASTA&include_annotation_type=CDS_FASTA&filename=$acc.zip" -o "$acc.zip"
  unzip -oq "$acc.zip" "ncbi_dataset/data/$acc/*" -d "ex_$acc"
done
# 高原鳅属全部组装及其注释状态（用来核对「17 份组装里只有 3 份有注释」这句话）
curl -s "https://api.ncbi.nlm.nih.gov/datasets/v2alpha/genome/taxon/Triplophysa/dataset_report?filters.assembly_version=all_assemblies&page_size=200" -o triplophysa_all_assemblies.json
echo "done"