构建nr或者nt数据库的子库

qiling5733

由于nr和nt数据库的容量巨大，导致在做注释时经常耗费大量的时间，所以为啦节省时间，我们经常需要在原来的nr/nt数据库的基础上构建相对的子库（动物或者植物/细菌。。。。）
方法一：
在2017年之前的nr/nt数据库是支持gi号搜索的。所以我们可以根据gi号来分离并构建对应的子库。具体流程如下：（由于我自己是做植物的数据分析的，所以我的例子都是围绕植物子库的构建）

• Download the prebuilt nr database (在ncbi上下载最新的nr/nt数据库)，and use makeblastdb build prot database（ makeblastdb -in nr -dbtype prot -parse_seqids -hash_index -out nr -logfile log.txt）
• Search the Entrez Protein database with query: "txid33090[ORGN] "
  

（网址https://www.ncbi.nlm.nih.gov/protein/）

搜索植物的txid号33090[ORGN]  (当然前提是你要先知道植物所属的txid号）

• Select "Send to File" and choose format "GI list"
  

然后在send to 位置选择GI List 导出植物的gi list文件“sequence.gi”

• Use the list of GIs from the previous step with the blastdb_aliastool to build an aliased blastdb of just your organism (takes several seconds), eg:
  

blastdb_aliastool -gilist sequence.gi -db nr -out nr_plant -title nr_plant （其实到这一步就完成啦子库的构建）（结果只生成一个idex文件和一个二进制文件，如下）

• Search against your new (aliased) database:
  

blastx -query query.fa -db nr_plant    （这是一个子库的使用例子）


方法二：
在2017年之后的nr/nt数据库变成不再支持gi号搜索的。所以我们不可以根据gi号来分离并构建对应的子库，那么我们就需要查看新版本的nr/nt库的序列的id特征，发现他们变成了accession id，那么我们就可以采取对应的方式来分离子库了。具体流程如下：（由于我自己是做植物的数据分析的，所以我的例子都是围绕植物子库的构建）
（由于我自己是做植物的数据分析的，所以我的例子都是围绕植物子库的构建）

• Download the prebuilt nr database (在ncbi上下载最新的nr/nt数据库)，and use makeblastdb build prot database（ makeblastdb -in nr -dbtype prot -parse_seqids -hash_index -out nr -logfile log.txt）
• Search the Entrez Protein database with query: "txid33090[ORGN] "
  

（网址https://www.ncbi.nlm.nih.gov/protein/）

搜索植物的txid号33090[ORGN]  (当然前提是你要先知道植物所属的txid号）

• Select "Send to File" and choose format "accession list"
  

然后在send to 位置选择accession list 导出植物的accession list文件“sequence.seq”

• Use the list of GIs from the previous step with the blastdb_aliastool to build an aliased blastdb of just your organism (takes several seconds), eg:
  

blastdb_aliastool -seqidlist sequence.seq -db nr -out nr_plant -title nr_plant（其实到这一步就完成啦子库的构建）（结果只生成一个idex文件"nr_plant.pal"，如下）

• Search against your new (aliased) database:
  

blastx -query query.fa -db nr_plant    （这是一个子库的使用例子）对应完整库的比较搜索，结果发现十条序列，搜索子库比完整库要快三分多种！！！！！

Jimmy

我帮你把图片贴上去了，但是你不能取消那个有道云链接哦

qiling5733

谢谢jimmy

瑾木

额 按照txid33090 搜protein库，只有39个gi，这样对么？而且 类别是这样的 unnamed protein product [Viridiplantae]

瑾木

如果在protein库 搜索plant 有11201377个gi

秋叶麒麟

试过了txid33090 搜索就39个结果，而txid33090[ORGN]有10355005个结果。能问下后面的[ORGN]代表什么意思吗？是不是以后搜索其他物种类型的时候也要添加这个？

qiling5733

ORGN代表的植物这个团体，只搜txid33090代表的搜的个体，以后搜某个物种时都应该加上ORGN。上面是附上的一张结果截图