本地blast与nr/nt库

步骤一：NT/NR库全库下载

用wget 对数据库进行下载

NT/NR库：https://ftp.ncbi.nlm.nih.gov/blast/db/

NT库有76个子文件构建成NT全库

NR库有63个子文件构建成NR全库

（ncbi网站处理好的文件，不需要建库）

https://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/nt.gz

https://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/nr.gz

这两个为nr/nt的fasta文件，需要建库

写一个简单的脚本，对nr/nt库进行下载

#!/bin/bash
for i in {00..76}
do
    wget -c https://ftp.ncbi.nlm.nih.gov/blast/db/nt.${i}.tar.gz
    wget -c https://ftp.ncbi.nlm.nih.gov/blast/db/nt.${i}.tar.gz.md5
    md5sum -c nt.${i}.tar.gz.md5
    tar -zxvf nt.${i}.tar.gz -C
    echo "nt.${i} has done."
done

#!/bin/bash
for i in {00..63}
do
    wget -c https://ftp.ncbi.nlm.nih.gov/blast/db/nr.${i}.tar.gz
    wget -c https://ftp.ncbi.nlm.nih.gov/blast/db/nr.${i}.tar.gz.md5
    md5sum -c nr.${i}.tar.gz.md5
    tar -zxvf nr.${i}.tar.gz -C
    echo "nr.${i} has done."
done

注意：下载的时候要加-c参数，避免因网络问题下载失败

下载完后注意删除安装包

步骤二：把序列与nt/nr库进行比对

基本用法

蛋白质序列比对蛋白质数据库（blastp）

blastp -query seq.fast -out seq.blast -db dbname -outfmt 7 -evalue 1e-5 -num_des
criptions 10 -num_threads 8

核酸序列比对核算数据库（blastn）

blastn -query seq.fasta -out seq.blast -db dbname -outfmt 7 -evalue 1e-5 -num_descriptions 10 -num_threads 8

核酸序列比对蛋白质数据库（blastx）

blastx -query seq.fasta -out seq.blast -db dbname -outfmt 7 -evalue 1e-5 -num_descriptions 10 -num_threads 8

参数：
-query： 输入文件路径及文件名
-out：输出文件路径及文件名
-db：格式化了的数据库路径及数据库名
-outfmt：输出文件格式，总共有12种格式，6是tabular格式对应BLAST的m8格式
-evalue：设置输出结果的e-value值
-num_descriptions：tabular格式输出结果的条数
-num_threads：线程数

创建索引数据库

makeblastdb -in mouse.faa -dbtype nucl -input_type fasta -out dna

参数：
-in: 输入数据库文件
-dbtype:数据库类型 如果是蛋白质数据库则 nucl改为 prot
-out: 索引数据库名称

创建索引文件

dustmasker -in Nuc.fasta -infmt fasta -parse_seqids -outfmt maskinfo_asn1_bin -out Nuc_all.asnb

参数：
in:输入数据库文件
-infmt:输入文件的格式
-parse_seqids:解析序列的id，这个只需要提供参数，不要提供文件名
-outfmt:输出文件的格式，直接填写即可maskinfo_asnl_bin即可。
out：输出文件的文件名（索引文件名）。

创建数据库

makeblastdb -in Nuc.fasta -input_type fasta -dbtype nucl -parse_seqids -mask_data NucDatsBase.asnb -out Nuc_all

参数：
in:原本我们数据库的文件
input_type:输入文件的格式，很明显，我这里是fasta格式