NCBI的nr、nt库包含了基本上所有现有已知物种的序列信息，在进行blast时，由于数据库较大，搜索时间会比较长，同时可能会有其他物种信息干扰。因此我们可以根据NCBI提供的物种分类号对其进行拆分，下面以nr库进行举例说明。

一、准备

1.1、数据：

1. nr库：https://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/
2. accession2taxid: https://ftp.ncbi.nih.gov/pub/taxonomy/accession2taxid/prot.accession2taxid.gz
3. taxdump: https://ftp.ncbi.nih.gov/pub/taxonomy/taxdump.tar.gz

以上文件下载完后最好进行md5校验，检查文件完整性。

1.2、软件：

1. blast: https://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/
2. taxonkit: https://bioinf.shenwei.me/taxonkit/download/

二、构建本地库

2.1、解压

gzip -d nr.gz
mv nr nr.fa
gzip -d prot.accession2taxid.gz
gzip -d taxdump.tar.gz

2.2、nr本地库构建

makeblastdb -in nr.fa -dbtype prot -title nr -parse_seqids -hash_index -out nr -logfile nr.log

2.3、提取特定物种分类信息

这里我们以病毒为例，病毒对应的Taxonomy id是10239

taxonkit list --ids 10239 --indent "" > Viruses.taxid   # 提取病毒分类号
cat prot.accession2taxid |csvtk -t grep -f taxid -P Viruses.taxid |csvtk -t cut -f accession.version > Viruses.acc  # 获取对应的accession号

# 也可以使用blast自带的脚本提取
get_species_taxids.sh -n Viruses  # 获取Viruses的taxid，即10239
get_species_taxids.sh -t 10239 > Viruses.taxid

2.4、构建子库

目前构建子库有两种方法：

1. 提取子库对应的fa文件，然后进行建库；
2. 使用blastdb_aliastool创建数据库别名；

方法一：提取子库fa文件
对于该方法，我们也有两种方法进行提取。

• 1. 从构建好的nr库中提取
• 2.从nr.fa文件中提取

# 方法一
blastdbcmd -db nr -entry_batch Viruses_nr.acc  -out  Viruses_nr.fa

# 方法二
seqtk subseq nr.fa Viruses_nr.acc > Viruses_nr.fa

提取完后使用makeblastdb构建对应的子库即可。

但是这两种方法提取寄生虫（Parasitus，Taxonomy id：708403）的分类数据时，发现第一种方法提取的序列不全，不知道什么情况。

方法二：使用blastdb_aliastool创建数据库别名

blastdb_aliastool -db nr  -seqidlist Viruses_nr.acc -out Viruses -title "Viruses_nr"

三、不用分库

简单的比对，省事的话，blast支持指定物种 taxids 来做比对，这样效果也不错：

## blastn 查询需要比对的污染物种库  taxids
# get_species_taxids.sh -n Bacteria #2 
# get_species_taxids.sh -n Archaea #2157
# get_species_taxids.sh -n Viruses #10239
# 得到物种taxids 列表
# get_species_taxids.sh -t 2 >Bacteria.taxids
# get_species_taxids.sh -t 2157 >Archaea.taxids
# get_species_taxids.sh -t 10239 >Viruses.taxids
# 合并 
# cat Bacteria.taxids Archaea.taxids  Viruses.taxids >all.taxids
#blast 比对 
blastn -query  novel.fasta \
  -db  /share/work/database/blastdb/nt/nt \
  -taxidlist all.taxids \
  -out novel.nt.blast \
  -evalue 1e-5  \
  -perc_identity 0.8 \
  -task megablast \
-outfmt '6 std qcovs stitle staxid' \
-max_target_seqs 5 -num_threads 10