ncbi-blast 本地安裝

標籤：

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

Linux系統中NCBI BLAST+本地化教程 

本文面向初學者（最好還是懂得基本的linux使用），高手可直接忽視。不介紹Windows系統中的安裝方法，一是因為思路一樣，二是因為Linux中BLAST效率更高，系統更穩定，不會卡死。所以，請用Linux伺服器，我想你也不忍心讓自己心愛的本本跑幾十個小時的程式吧。

請不要因為篇幅長，而覺得很困難，只是為了初學者能懂，敘述比較詳（luo）細（suo）而已

——————-[ 做好心理準備，開始了]——————- 

1. 安裝配置BLAST+程式

在ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/中下載最新的BLAST可執行程式（不要下載原始碼`，源碼編譯非常慢），選擇先行編譯版本，如ncbi-blast-2.2.30+-x64-linux.tar.gz。如果伺服器能連網，可直接用wget下載。或者，下載後用SFTP用戶端傳輸到伺服器上。

wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-2.2.30+-x64-linux.tar.gz解壓縮：tar -zxvf ncbi-blast-2.2.30+-x64-linux.tar.gz

 

（按理說解壓縮後就可以通過絕對路徑直接使用了，但為了今後的方便，還是繼續配置吧）為了方便，將其移動到我安裝本地程式的目錄（參考《[Linux上設定良好的目錄結構][1]》），並重新命名（固定命名，不帶版本號碼，避免因升級而修改設定檔），統一管理。

mv ncbi-blast-2.2.30+ ~/local/app/ # 移動cd ~/local/app/                    # 進入本地程式安裝路徑mv ncbi-blast-2.2.30+ blast        # 修改目錄名

 

現在，已經將BLAST+安裝到~/local/app/blast 中了（~知道吧，就是使用者的家目錄，可用環境變數$HOME代替）。

[[email protected] blast]$ pwd # 查看目前的目錄的絕對路徑/db/home/shenwei/local/app/blast[[email protected] blast]$ ls  # 查看目前的目錄的內容bin  ChangeLog  doc  LICENSE  ncbi_package_info  README

 

將BLAST+可執行程式所在目錄（bin）的絕對路徑加入到環境變數$PATH中，方便通過程式名直接調用。編輯~/.bashrc檔案，在最後加入以下行：

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

 

如果不會使用vi/vim等編輯器，可直接運行下列一行命令，將上述內容添加到~/.bashrc檔案（看清楚，和上面不同的是：$被轉義了的）：

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

 

讓配置生效：

source ~/.bashrc

 

到此，你就可以直接輸入BLAST的子程式，如blastn進行比對了。試試輸入blast -version ，看看是否如下顯示：

[[email protected] blast]$ blastn -versionblastn: 2.2.30+Package: blast 2.2.30, build Dec 10 2013 14:41:40

 

——————-[ 休息一下，鼓勵一下自己 ]  ——————-

2. 配置本地BLAST庫

當需要進行大量比對的時候，將BLAST資料庫本地化能極大提高效率。

我存放庫檔案的目錄為~/data/blast 。建立並編輯（如果還不會編輯，就複製到本地的一個文字檔ncbirc.txt，然後傳到伺服器，再改名mv ncbirc.txt .ncbirc ）NCBI BLAST全域設定檔（在家目錄），內容如下：

[[email protected] ~]$ cat .ncbirc  # 這是查看檔案內容的命令，下面才是內容; Start the section for BLAST configuration[BLAST]; Specifies the path where BLAST databases are installedBLASTDB=/db/home/shenwei/data/blast; Specifies the data sources to use for automatic resolution; for sequence identifiersDATA_LOADERS=blastdb; Specifies the BLAST database to use resolve protein sequencesBLASTDB_PROT_DATA_LOADER=/db/home/shenwei/data/blast/nr; Specifies the BLAST database to use resolve protein sequencesBLASTDB_NUCL_DATA_LOADER=/db/home/shenwei/data/blast/ntBATCH_SIZE=10G; Windowmasker settings[WINDOW_MASKER]WINDOW_MASKER_PATH=/db/home/shenwei/data/blast/windowmasker; end of file

 

配置好後，後面選擇庫的時候就可以只輸入名稱（比如nr），不用輸入絕對路徑了。

3. 下載庫檔案

配置好之後，使用BLAST+內建的update_blastdb.pl指令碼下載nr和nt等庫檔案（不建議下載序列檔案，一是因為後者檔案更大，二是因為可以從庫檔案中提取序列blastdbcmd -db nr -dbtype prot -entry all -outfmt "%f" -out nr.fa ，最主要是建庫需要花費很長時間），直接運行下列命令即可自動下載。

update_blastdb.pl nt nr

 

提醒：下載檔案較大，耗費時間較長，最好將任務轉入後台。詳見《Shell Note》中“用screen運行大量背景工作”部分。簡單的做法，也可用nohup命令（下面nohup後面用了time命令，是為了看看整個消耗的時間）：

nohup time update_blastdb.pl nt nr > log &

 

監控庫檔案是否下載完成，如何判斷？ 1. 查看log檔案是否有提示；2. 查看update_blastdb.pl是否還在運行：執行ps -aef | grep update_blastdb.pl | grep -v update_blastdb.pl 命令，如過沒有結果，則說明沒有運行了。

下載完成後解壓所有tar.gz檔案（用萬用字元）即可：

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

 

提示：今後要更新庫檔案的時候，按照上述方法重新下載解壓即可。

常用的BLAST庫檔案（比如基因組參考序列）也可以加入其中，今後調用的時候就不用輸入庫 檔案的絕對路徑了。

——————-[ 讚揚一下自己 ]  ——————-

4. 基本用法

可直接Google中文教程。更權威，更詳細的請參考BLAST手冊《BLAST Command Line Applications User Manual》。具體參數資訊可直接輸入blastn -help` 查閱。

提示：blast輸出格式有多種，其中11包含資訊最全，其它格式都可用blast_formatter程式由11轉化為其它格式。所以，比對結果請使用11格式。

1）如果本地化了nt庫，直接在nt庫中比對，部分參數的中文意義可見《BLAST+使用方法》。

blastn -query test.fa -db nt -outfmt 11 -out "[email protected]" -num_threads 8

 

其中輸出檔案名[email protected]是個人習慣，即“序列檔案名稱.blast子程式名@庫名.結果格式”，這樣是不是很直觀？

轉換格式（如自訂表格格格式）：

blast_formatter -archive "[email protected]" -outfmt "7 qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore staxids salltitles" > "[email protected]"

 

轉為預設格式 ：

blast_formatter -archive "[email protected]" -outfmt 0 > "[email protected]"

 

2）如果沒有本地化nt庫，可添加-remote選項（就不能使用-num_threads參數了），進行線上比對（當然要慢一些，適合資料不多的情況）：

blastn -query test.fa -db nt -outfmt 11 -out "[email protected]" -remote

 

3）用自己的序列建庫

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

 

如果該庫需要經常使用，可將庫檔案移到前面配置的庫檔案的目錄，今後在其它目錄運行blast的時候，便可直接輸入庫名（不用輸入絕對路徑），直接使用。

mv dbname.* ~/data/blast

　　

————- [ 在實踐中學習，不會的請google、看手冊] ————-

 

ncbi-blast 本地安裝