生成mysql nt文件_linux下安装blast并创建nt数据库

BLAST 是由美国国立生物技术信息中心(NCBI)开发的一个基于序列相似性的数据库搜索程序。BLAST是“局部相似性基本查询工具”(Basic Local Alignment Search Tool)的 缩写。Blast 是一个序列相似性搜索的程序包，其中包含了很多个独立的程序，这些程序是根据查询的对象和数据库的不同来定义的。比如说查询的序列为核酸，查询数据库亦为核酸序列数据库，那么就应该选择blastn程序。

安装blast

#下载blast软件包选择2.7.1版本

wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-2.7.1+-x64-linux.tar.gz

#解压到pkgs文件夹中

tar –zxvf ncbi-blast-2.7.1+-x64-linux.tar.gz –C /YZGROUP1/GYROTECH/Bioinfo-Dept/pkgs/

#文件夹重命名为ncbi-blast

mv ncbi-blast-2.7.1+ ncbi-blast

#将软件配置环境变量

echo ‘PATH=/YZGROUP1/GYROTECH/Bioinfo-Dept/pkgs/ncbi-blast/bin:$PATH’ >> ~/.bashrc

#刷新.bashrc文件，环境变量生效

source ~/.bashrc

#验证软件是否安装成功

blastn -version

创建nt数据库

#创建blast_db文件夹

mkdir ./blast_db && cd ./blast_db

#下载nt.gz(核酸数据库)以及md5文件

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

wget https://ftp.ncbi.nih.gov/blast/db/FASTA/nr.gz.md5

#生成md5

md5sum nt.gz

#解压nt.gz文件

gunzip nt.gz

#建立索引步骤放在后台运行，考虑避免建库出现错误，添加了-logfile 参数，记录建库的过程。

nohup makeblastdb -in nt -parse_seqids -hash_index -dbtype nucl -logfile nt_logfile &

除上述创建方法，也可以直接下载https://ftp.ncbi.nih.gov/blast/db/路径下nt.*.tar.gz，然后进行解压，最后在家目录中创建.ncbirc文件，该文件是NCBI BLAST全局配置文件，写入以下内容：

; Start the section for BLAST configuration

[BLAST]

; Specifies the path where BLAST databases are installed

BLASTDB= /YZGROUP1/GYROTECH/Bioinfo-Dept/HumanProject/blast_db/

; Specifies the data sources to use for automatic resolution

; for sequence identifiers

DATA_LOADERS=blastdb

; Specifies the BLAST database to use resolve protein sequences

BLASTDB_PROT_DATA_LOADER=/YZGROUP1/GYROTECH/Bioinfo-Dept/HumanProject/blast_db/nr

; Specifies the BLAST database to use resolve protein sequences

BLASTDB_NUCL_DATA_LOADER=/YZGROUP1/GYROTECH/Bioinfo-Dept/HumanProject/blast_db/nt

BATCH_SIZE=10G

; Windowmasker settings

[WINDOW_MASKER]

WINDOW_MASKER_PATH=/db/home/shenwei/data/blast/windowmasker

; end of file

程序名

查询序列

数据库

搜索方法

Blastn

核酸

核酸

核酸序列搜索逐一核酸数据库中的序列

Blastp

蛋白质

蛋白质

蛋白质序列搜索逐一蛋白质数据库中的序列

Blastx

核酸

蛋白质

核酸序列6框翻译成蛋白质序列后和蛋白质数据库中的序列逐一搜索

Tblastn

蛋白质

核酸

蛋白质序列和核酸数据库中的核酸序列6框翻译后的蛋白质序列逐一比对

TBlastx

核酸

核酸

核酸序列6框翻译成蛋白质序列，再和核酸数据库中的核酸序列6框翻译成的蛋白质序列逐一进行比对