最近被要求更新一下NT數(shù)據(jù)庫，然后踩了好多坑，想記錄下來，避免以后再犯。

首先去官網(wǎng)上直接下載nt.fasta（wget -c ftp://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/nt.gz），解壓后發(fā)現(xiàn)只有Accession ID，沒有g(shù)i號，這樣建完的index，用blast分析是沒有辦法得到scientific name的，所以就想辦法怎么解決這個問題。

我想要的格式：

下載下來的格式：

于是跑過去問小伙伴，他告訴我用blast軟件里的update_blastdb.pl下載下來NT的index文件，再用blastdbcmd軟件提取fasta文件就好了，然后就開始我的踩坑之旅，我先運(yùn)行命令行：perl update_blastdb.pl nt，不久就報(bào)錯：Unable to close datastream at update_blastdb.pl line 202. Failed to download nt.00.tar.gz.md5!

看了一下update_blastdb.pl的使用說明，才發(fā)現(xiàn)如果按照我之前的命令行下下來的還是舊的V4版的NT庫，修改了參數(shù)再次嘗試，雖然撐得久了點(diǎn)，但還是相似的報(bào)錯，估計(jì)被公司IT限制了網(wǎng)絡(luò)。代碼默認(rèn)從NCBI上下載，換了一個source，從Google?Cloud?Platform上下載：

perl update_blastdb.pl --blastdb_version 5 --decompress nt --source gcp --passive。

但是我是白天在公司下載的數(shù)據(jù)，導(dǎo)致其他同事上網(wǎng)特別慢，被IT找上門來。。。還是放棄了。

參考鏈接：

https://www.ncbi.nlm.nih.gov/books/NBK537770/

https://colab.research.google.com/drive/1HLFq3mC75dc5aYZCYDpTgaj_GAUASs8x#scrollTo=XnlYgZWQhCnS

看了一下update_blastdb.pl的代碼，其實(shí)下載的還是ftp://ftp.ncbi.nlm.nih.gov/blast/db/nt.*.tar.gz的內(nèi)容，于是晚上的時候用wget很快就下來了，我是分批次下的，例如：wget -c ftp://ftp.ncbi.nlm.nih.gov/blast/db/nt.0[0-9].tar.gz。

用blastdbcmd提序列又悲劇了，提出來的fasta的表頭格式和我直接在官網(wǎng)上下的一樣：

blastdbcmd -entry all -db nt -dbtype 'nucl' -out nt.fasta

向小伙伴求助，小伙伴說可以在NCBI網(wǎng)頁上下載gi號，然后根據(jù)gi號用blastdb_aliastool直接提取建好的庫，我試著下了一下細(xì)菌的gi號，都下了好幾M了還在下載，咬咬牙，還是重新研究了一下blastdbcmd的用法，終于嘗試出了我想要的格式，默認(rèn)output format是%f，但是修改成 ">gi|%g|%i %t\n%s" 就能得到我想要格式：

blastdbcmd -entry all -db nt -dbtype 'nucl' -outfmt ">gi|%g|%i %t\n%s" | sed -e 's/\\n/\n/g' > nt.fasta

參考鏈接：http://blog.sina.com.cn/s/blog_16152d7d70102xnc3.html

總結(jié)：碰到軟件要好好的看使用說明，不要急吼吼的問被人或者上網(wǎng)上查，網(wǎng)上信息不全有可能被誤導(dǎo)，導(dǎo)致不必要的彎路。