如何构建本地化的blast2go数据库

1、blast2go数据库简介

这GO功能注释过程中，我们经常使用一些R包（ClusterProfiler），或者基于超几何检验的方法进行GO功能富集分析。这些分析多数情况下，是建立在具有参考物种信息的情况下。有时候，我们进行的数据分析，是建立在物种信息的情况下。比如，比较常见的无参转录组数据分析，或者发现新基因的时候。在这种情况下，我们常常通过序列相似性的方法，先找到相似的序列编号，再通过注释网站工具进行注释。
其中，blast2go是比较经典的一种blast算法。其基本步骤是，首先对需要注释的序列，与NCBI（Nr数据库）或者Uniprot数据库进行Blast比对。得到注释结果后，按一定的过滤标准进行过滤。然后再映射到相应的GO功能上，并通过一定的打分规则给予相应的得分。

2、blast2go本地化

blast2go有两种方式进行检索：在线联网方式和本地不联网方式。这里我们主要是介绍本地不联网方式（基于Nr数据库注释）。

2.1 MySQL数据库的安装

这里采用的数据库是mysql数据库，具体安装参考Mysql。由于下载的Nr数据库比较大，我们需要更改数据库的保存路径，具体参考Mysql更改存储位置。

2.2 Nr数据库下载与解压

$ wget -c -b -N --progress=dot:mega http://archive.geneontology.org/latest-full/go_201310-assocdb-data.gz
$ wget -c -b -N --progress=dot:mega ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/gene_info.gz
$ wget -c -b -N --progress=dot:mega ftp://ftp.ncbi.nlm.nih.gov/gene/DATA/gene2accession.gz   
$ wget -c -b -N --progress=dot:mega ftp://ftp.pir.georgetown.edu/databases/idmapping/idmapping.tb.gz
$ wget -c -b -N --progress=dot:mega http://blast2go.com/data/blast2go/b2g4pipe_v2.5.zip
$ wget -c -b -N --progress=dot:mega http://blast2go.com/public-data/local_b2g_db.zip

$ gzip -dv go_201207-assocdb-data.gz
$ gzip -dv gene_info.gz
$ gzip -dv gene2accession.gz
$ gzip -dv idmapping.tb.gz
$ unzip b2g4pipe_v2.5.zip
$ unzip local_b2g_db.zip
$ cp  local_b2g_db/* .

2.3 基于MySQL构建本地数据库

本步骤主要是将下载的Nr数据，导入MySQL数据库。
我们将整个流程写入一个shell脚本中（install_blast2go_database.sh），执行导入操作。

#!/bin/sh
godbname=go_201310-assocdb-data
dbname=b2gdb	# 首先在MySQL中创建数据库；无特殊要求，后续也会通过程序指定该命令定义的数据库名称
dbuser=root	# 数据库的root账号
dbpass=passwd	# 安装MySQL时，设置的root密码
dbhost=127.0.0.1	# 默认不要修改，否则需要后续修改blast2go数据库的配置文件（b2gPipe.properties）
path=$PWD	# 下载的Nr数据库文件的存放路径

mysql -h$dbhost -P 3306 -u$dbuser -p$dbpass $dbname < b2gdb.sql 

mysql -h$dbhost -u$dbuser -p$dbpass $dbname < $godbname
mysql -h$dbhost -u$dbuser -p$dbpass $dbname -e"LOAD DATA LOCAL INFILE '$path"/gene2accession"' INTO TABLE gene2accession FIELDS TERMINATED BY '\t' LINES TERMINATED BY '\n';"
mysql -h$dbhost -u$dbuser -p$dbpass $dbname -e"LOAD DATA LOCAL INFILE '$path"/gene_info"' INTO TABLE gene_info FIELDS TERMINATED BY '\t' LINES TERMINATED BY '\n';"

echo Finished, now use Blast2GO to import the PIR mapping data-file;

上述shell脚本完成了数据库的导入操作：主要导入了go_201207-assocdb-data.gz，gene2accession 和 gene_info
注意： 需要个性化定制b2gdb.sqlSQL语句。如下部分需要更改：

# mysql 在创建 ci_sessions 表的时候报错：ERROR 1101 (42000): BLOB/TEXT column can’t have a default value
# 这是因为text或blob字段不允许有缺省值，这是由于strict mode导致的
# 可以通过 select @@sql_mode 查看模式规则，然后复制所有规则，并去除 STRICT_TRANS_TABLES
# 使用 set session sql_mode='。。。' 进行会话的设置（不改变全局的）
SET SESSION SQL_MODE='ONLY_FULL_GROUP_BY,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION';

DROP DATABASE IF EXISTS b2gdb; # 与shell配置保持一致
CREATE DATABASE IF NOT EXISTS b2gdb;
GRANT ALL ON b2gdb.* TO 'root'@'localhost' IDENTIFIED BY 'Apt@2022'; # 与shell配置保持一致
FLUSH PRIVILEGES;
USE b2gdb;

2.4 导入idmapping文件

• 新版导入方式

java -cp .:mysql-connector-java-5.0.8-bin.jar: ImportIdMapping \
idmapping.tb localhost b2gdb blast2go blast4it

在新版本中，local_b2g_db.zip中包含3个文件：b2gdb.sql，ImportIdMapping.class和mysql-connector-java-5.0.8-bin.jar。

• b2gdb.sql：创建了b2gdb数据库（MySQL database）和表（MySQL table）

• b2gdb数据库的用户名是blas2go,密码blast4it

• mysql-connector-java-5.0.8-bin.jar：将 idmapping.tb 导入到本地 b2gdb 数据库的 gi2uniprot 表中

• 旧版导入方式

/home/chenlianfu/programs/jre1.7.0_04/bin/java -cp /home/chenlianfu/programs/blast2go/b2g4pipe/blast2go.jar:/home/chenlianfu/programs/blast2go/b2g4pipe/ext/mysql-connector-java-3.0.11-stabes-bin.jar es.blast2go.prog.util.ImportPIR idmapping.tb localhost b2gdb root passwd TRUE

# localhost， b2gdb， root和passwd 依据 install_blast2go_database.sh 中设定的而定。

2.5 修改blast2go数据库的配置文件

该文件为：/b2g4pipe/b2gPipe.properties 或者 blast2go/configuration/b2gPipe_55.properties（基于前者自定义的）

# 修改为 install_blast2go_database.sh中设定的
// GO and B2G Data Access Basic
Dbacces.dbname=b2gdb
Dbacces.dbhost=127.0.0.1
#Dbacces.dbhost=10.0.2.1
Dbacces.dbuser=root
Dbacces.dbpasswd=Apt@2022

2.6 执行注释

需要先获得blast和interproscan的注释结果，再进行命令行运行。有两种运行的方法：

$ java -Xmx1000m -cp *:ext/*: es.blast2go.prog.B2GAnnotPipe
$ java -Xmx1000m -jar blast2go.jar