blast本地数据库构建已经是一个很繁琐的事情了，比对NT或NR数据库还是会遇到各种问题：
废话少说，先记录一下本地构建BLAST数据库：

下载安装BLAST+的过程，并添加环境变量

参考链接：徐洲更大神的
还有这位大神的
还有提取各类子库的方法，有空搞一下试试：
https://www.jianshu.com/p/5a72f42e0412
https://www.jianshu.com/p/ec7773da27b9

wget https://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/2.10.1/ncbi-blast-2.10.1+-x64-linux.tar.gz
###BLAST：
tar zxvpf ncbi-blast-2.10.1+-x64-linux.tar.gz
HOME = /Storage/data002/qiaogx/Software/
export PATH=$PATH:$HOME/ncbi-blast-2.10.1+/bin
mkdir /Storage/data002/qiaogx/Software/blastdb
export BLASTDB=/Storage/data002/qiaogx/Software/blastdb

第一步：下载相关数据包，解压并建立数据库索引

#Database Download#
cd /Storage/data002/qiaogx/Software/blastdb
perl /Storage/data002/qiaogx/Software/ncbi-blast-2.10.1+/bin/update_blastdb.pl --passive --decompress nt ## --decompress下载nt数据库并解压的意思
#perl /Storage/data002/qiaogx/Software/ncbi-blast-2.10.1+/bin/update_blastdb.pl --passive --decompress 16S_ribosomal_RNA
#perl /Storage/data002/qiaogx/Software/ncbi-blast-2.10.1+/bin/update_blastdb.pl --passive --decompress ref_prok_rep_genomes
#perl /Storage/data002/qiaogx/Software/ncbi-blast-2.10.1+/bin/update_blastdb.pl --passive --decompress nr
#以上方法需要更新，而且update_blastdb.pl可能会报错，如果缺少模块直接conda安装，然后再运行perl 
#另外一种方法：aspera高速下载nt,nr数据库 参考：https://zhuanlan.zhihu.com/p/245450890；https://cloud.tencent.com/developer/article/1654480
数据库网址：https://ftp.ncbi.nlm.nih.gov/blast/db/  #注：在FASTA文件夹里面是最全的NT和NR库
wget https://ak-delivery04-mul.dhe.ibm.com/sar/CMA/OSA/092u0/0/ibm-aspera-connect-3.10.0.180973-linux-g2.12-64.tar.gz
tar xvf ibm-aspera-connect-3.10.0.180973-linux-g2.12-64.tar.gz
sh ibm-aspera-connect-3.10.0.180973-linux-g2.12-64.sh
/Storage/data002/qiaogx/.aspera/connect
# 所有安装文件都在~/.aspera/connect目录下，添加环境变量
echo 'PATH=$PATH:~/.aspera/connect/bin' >> ~/.bashrc
which ascp # ~/.aspera/connect/bin/ascp; ~/.aspera/connect/etc/asperaweb_id_dsa.openssh
ascp -v -k 1 -T -l 500m -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh anonftp@ftp.ncbi.nlm.nih.gov:/blast/db/FASTA/nt.gz ./
ascp -v -k 1 -T -l 500m -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh anonftp@ftp.ncbi.nlm.nih.gov:/blast/db/FASTA/nr.gz ./
#生成md5
nohup md5sum nt.gz &
#解压nt.gz文件
nohup gunzip nt.gz &
#需要下载物种注释信息，把下载的taxdb.tar.gz放入$BLASTDB中
wget https://ftp.ncbi.nlm.nih.gov/blast/db/taxdb.tar.gz
tar zxvf taxdb.tar.gz
taxdb.tar.gz解压出来共有两个文件taxdb.btd、taxdb.bti两个文件，都放入$BLASTDB即可
#Create a custom database from a multi-FASTA file,  build a blast database by a reference genome sequence
makeblastdb -in nt -dbtype nucl -out nt -parse_seqids
#-in #输入下载的数据序列；-dbtype #数据库序列类型； -out 输出自定义数据库名用于-db参数；-parse_seqids输入对应的序列ID或者说gi
#检查是否创建成功
blastdbcmd -db nt -info

第二步：可以本地配置数据库索引，随时可直接调用本地数据库

vi ~/.ncbirc #家目录下创建一个配置文件，内容如下：

; Start the section for BLAST configuration

[BLAST]

; Specifies the path where BLAST databases are installed
BLASTDB=/Storage/data002/qiaogx/Software/blastdb

; 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=/Storage/data002/qiaogx/Software/blastdb/nr

; Specifies the BLAST database to use resolve nucleic acid sequences
BLASTDB_NUCL_DATA_LOADER=/Storage/data002/qiaogx/Software/blastdb/nt

BATCH_SIZE=10G

; Windowmasker settings

[WINDOW_MASKER]
WINDOW_MASKER_PATH=/Storage/data002/qiaogx/Software/blastdb/windowmasker

; end of file

BLAST的一些简单用法

blastn -db nt -query test.fasta -use_index true -out megablast.out -outfmt '6 std' -evalue 1e-5 -num_threads 8
#-best_hit_score_edge 0.01 -best_hit_overhang 0.25 # best BLAST match method
#best hit的筛选参考：[选择blast比对第一条best hit的结果](https://www.jianshu.com/p/c75dca4607d9)
#diamond的简单用法：
diamond makedb --in nr.fa -d nr
diamond blastx -d nr -q test.merged.transcript.fasta -o test.matches.m8
# 但是diamond使用有限制，只能用于比对蛋白数据库

#如果要提取数据库里面的fasta文件
blastdbcmd -entry all -db nr -out nr.fsa
blastdbcmd -entry u00001 -db nr -out u00001.fsa # 序列名(accession) u00001

#如果要获取taxonomy信息，输入staxids后 获取taxonomy信息
get_species_taxids.sh -t 91347 > 91347.txids

但是，当我有一次用了megablast模块且需要taxonomyID信息时，blast结果输出有问题，staxids这一列都是0

blastn -task megablast -word_size 30 -db nt -query changed.fa \
-outfmt '6 qseqid staxids bitscore std' -perc_identity 70 -num_threads 16 -evalue 1e-25 \
-out blast.70.1e25.out 

1625216558(1).png

一开始以为下载的NT库里面匹配上的hit没有物种注释信息，但是不可能所有的都没有注释信息，因此肯定不是数据库的问题，后来检查各种以前的脚本，发现用nt.00数据库（以前只下载了这一个子集）是有注释信息staxids的，然后突然发现以前创建了一个megablast的nt.00数据库的索引

##Indexed megaBLAST search## 此为用于megablast的索引，如果使用megablast的话一定要运行这一步！！！
makembindex -input nt.00 -iformat blastdb  #已建立名为nt.00的数据库，用于-db后面的参数

因此原来是我用了megablast却没有创建相应的索引！！！

makembindex -input nt -iformat blastdb

数据库很大，创建起来很麻烦！

image.png

最后有一个问题是如果blast过程中忘了输出物种信息，该怎么加上去呢？
见链接：https://segmentfault.com/a/1190000012055972
先下载一个gi_taxid_nucl.dmp，然后makeblastdb的时候加上参数-taxid_map gi_taxid_nucl.dmp，然后再进行以下操作。但下载网址好像有问题，可能改名了ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/gi_taxid_nucl.dmp.gz

blastn -db nt -query /tmp/a.fa -out /tmp/a.txt -outfmt '6 qseqid qlen sseqid sgi slen pident length mismatch gapopen qstart qend sstart send evalue bitscore staxid ssciname'

今天又是无所事事、浪费感情的一天！！！