ncbi-blast 本地安装

详见：http://blog.shenwei.me/local-blast-installation/

Linux系统中NCBI BLAST+本地化教程

本文面向初学者（最好还是懂得基本的linux使用），高手可直接忽视。不介绍Windows系统中的安装方法，一是因为思路一样，二是因为Linux中BLAST效率更高，系统更稳定，不会卡死。所以，请用Linux服务器，我想你也不忍心让自己心爱的本本跑几十个小时的程序吧。

请不要因为篇幅长，而觉得很困难，只是为了初学者能懂，叙述比较详（luo）细（suo）而已

——————-[ 做好心理准备，开始了]——————-

1. 安装配置BLAST+程序

在ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/中下载最新的BLAST可执行程序（不要下载源代码`，源码编译非常慢），选择预编译版本，如ncbi-blast-2.2.30+-x64-linux.tar.gz。如果服务器能联网，可直接用wget下载。或者，下载后用SFTP客户端传输到服务器上。

wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-2.2.30+-x64-linux.tar.gz
解压缩：

tar -zxvf ncbi-blast-2.2.+-x64-linux.tar.gz

（按理说解压缩后就可以通过绝对路径直接使用了，但为了今后的方便，还是继续配置吧）为了方便，将其移动到我安装本地程序的目录（参考《[Linux上设置良好的目录结构][1]》），并重命名（固定命名，不带版本号，避免因升级而修改配置文件），统一管理。

mv ncbi-blast-2.2.+ ~/local/app/ # 移动
cd ~/local/app/                    # 进入本地程序安装路径
mv ncbi-blast-2.2.+ blast        # 修改目录名

现在，已经将BLAST+安装到~/local/app/blast 中了（~知道吧，就是用户的家目录，可用环境变量$HOME代替）。

[shenwei@mu01 blast]$ pwd # 查看当前目录的绝对路径
/db/home/shenwei/local/app/blast
[shenwei@mu01 blast]$ ls  # 查看当前目录的内容
bin  ChangeLog  doc  LICENSE  ncbi_package_info  README

将BLAST+可执行程序所在目录（bin）的绝对路径加入到环境变量$PATH中，方便通过程序名直接调用。编辑~/.bashrc文件，在最后加入以下行：

export PATH=/db/home/shenwei/local/app/blast/bin:$PATH

如果不会使用vi/vim等编辑器，可直接运行下列一行命令，将上述内容添加到~/.bashrc文件（看清楚，和上面不同的是：$被转义了的）：

echo "export PATH=/db/home/shenwei/local/app/blast/bin:\$PATH" >> ~/.bashrc

让配置生效：

source ~/.bashrc

到此，你就可以直接输入BLAST的子程序，如blastn进行比对了。试试输入blast -version ，看看是否如下显示：

[shenwei@mu01 blast]$ blastn -version
blastn: 2.2.+
Package: blast 2.2., build Dec   ::

——————-[ 休息一下，鼓励一下自己 ]  ——————-

2. 配置本地BLAST库

当需要进行大量比对的时候，将BLAST数据库本地化能极大提高效率。

我存放库文件的目录为~/data/blast 。建立并编辑（如果还不会编辑，就复制到本地的一个文本文件ncbirc.txt，然后传到服务器，再改名mv ncbirc.txt .ncbirc ）NCBI BLAST全局配置文件（在家目录），内容如下：

[shenwei@mu01 ~]$ cat .ncbirc  # 这是查看文件内容的命令，下面才是内容
; Start the section for BLAST configuration

[BLAST]

; Specifies the path where BLAST databases are installed
BLASTDB=/db/home/shenwei/data/blast

; 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=/db/home/shenwei/data/blast/nr

; Specifies the BLAST database to use resolve protein sequences
BLASTDB_NUCL_DATA_LOADER=/db/home/shenwei/data/blast/nt

BATCH_SIZE=10G

; Windowmasker settings

[WINDOW_MASKER]
WINDOW_MASKER_PATH=/db/home/shenwei/data/blast/windowmasker

; end of file

配置好后，后面选择库的时候就可以只输入名称（比如nr），不用输入绝对路径了。

3. 下载库文件

配置好之后，使用BLAST+自带的update_blastdb.pl脚本下载nr和nt等库文件（不建议下载序列文件，一是因为后者文件更大，二是因为可以从库文件中提取序列blastdbcmd -db nr -dbtype prot -entry all -outfmt "%f" -out nr.fa ，最主要是建库需要花费很长时间），直接运行下列命令即可自动下载。

update_blastdb.pl nt nr

提醒：下载文件较大，耗费时间较长，最好将任务转入后台。详见《Shell Note》中“用screen运行大量后台任务”部分。简单的做法，也可用nohup命令（下面nohup后面用了time命令，是为了看看整个消耗的时间）：

nohup time update_blastdb.pl nt nr > log &

监控库文件是否下载完成，如何判断？ 1. 查看log文件是否有提示；2. 查看update_blastdb.pl是否还在运行：执行ps -aef | grep update_blastdb.pl | grep -v update_blastdb.pl 命令，如过没有结果，则说明没有运行了。

下载完成后解压所有tar.gz文件（用通配符）即可：

nohup time tar -zxvf *.tar.gz > log2 &

提示：今后要更新库文件的时候，按照上述方法重新下载解压即可。

常用的BLAST库文件（比如基因组参考序列）也可以加入其中，今后调用的时候就不用输入库 文件的绝对路径了。

——————-[ 赞扬一下自己 ]  ——————-

4. 基本用法

可直接Google中文教程。更权威，更详细的请参考BLAST手册《BLAST Command Line Applications User Manual》。具体参数信息可直接输入blastn -help` 查阅。

提示：blast输出格式有多种，其中11包含信息最全，其它格式都可用blast_formatter程序由11转化为其它格式。所以，比对结果请使用11格式。

1）如果本地化了nt库，直接在nt库中比对，部分参数的中文意义可见《BLAST+使用方法》。

blastn -query test.fa -db nt -outfmt  -out "test.blastn@nr.asn" -num_threads 

其中输出文件名test.blastn@nr.asn是个人习惯，即“序列文件名.blast子程序名@库名.结果格式”，这样是不是很直观？

转换格式（如自定义表格格式）：

blast_formatter -archive "test.blastn@nr.asn" -outfmt "7 qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore staxids salltitles" > "test.blastn@nr.tab"

转为默认格式 ：

blast_formatter -archive "test.blastn@nr.asn" -outfmt  > "test.blastn@nr.blast"

2）如果没有本地化nt库，可添加-remote选项（就不能使用-num_threads参数了），进行在线比对（当然要慢一些，适合数据不多的情况）：

blastn -query test.fa -db nt -outfmt  -out "test.blastn@nr.asn" -remote

3）用自己的序列建库

makeblastdb -in db.fasta -dbtype nucl -parse_seqids -out dbname

如果该库需要经常使用，可将库文件移到前面配置的库文件的目录，今后在其它目录运行blast的时候，便可直接输入库名（不用输入绝对路径），直接使用。

mv dbname.* ~/data/blast

　　

————- [ 在实践中学习，不会的请google、看手册] ————-