标签：子库 plant 数据库 taxid csvtk 物种 NR txt nr

NR数据库的物种注释

1.创建NR子库

为什么要创建nr或nt数据库的子库，因为这两个库数据量巨大，若只专注某个领域而非全部，则在对自身领域进行注释时就会耗费大量时间，为了节省时间，就需要在原来nr/nt数据库的基础上构建相对的子库。

构建方法如下：

• 方法一：从NCBI官网下载相应物种的Accession ID

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。

1. 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

2. Search the Entrez Protein database **with query:**query id[ORGN]，即你所要建子库相应的txid号。[NCBI][https://www.ncbi.nlm.nih.gov/protein/]

3. Select “Send to File” and choose format “accession list”，然后在send to 位置选择accession list 导出相应的accession list文件“ sequence.seq ”

4. 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

5. Search against your new (aliased) database:blastx -query query.fa -db nr_plant

搜索时的==[ORGN]==是必须加上的，因为其代表整个团体，若不加上hi职能搜到其txid所代表的那一个物种。

• 方法二：使用taxonkit工具从taxanomy文件中提取

1. 首先要下载taxonkit工具，[下载网址][http://bioinf.shenwei.me/taxonkit/download/],linux系统下直接解压使用，再将Taxonkit添加进环境变量sudo cp taxonkit /usr/local/bin/。

   ​ 再将从NCBI官网上下载的taxanomy文件中的names.dmp和nodes.dmp文件复制到用户目录的隐藏文件夹.taxonkit中，命令如下：

cp names.dmp ~/.taxonkit
cp nodes.dmp ~/.taxonkit

​ 之后便可以正常使用了。此时还需要从NCBI官网上下载NCBI的accession与taxid的对应关系文件[prot.accession2taxid.gz][ftp://ftp.ncbi.nih.gov/pub/taxonomy/accession2taxid/prot.accession2taxid.gz]。

2. 使用TaxonKit提取特定taxons下的所有taxid，命令如下：

 taxonkit list --ids 33090 --indent "" > plant.taxid.txt
 wc -l plant.taxid.txt

​ 此时–ids的参数33090是代表整个植物届的最大的parent id，–indent ""是将所列出的taxid左边的空格去除，，以左对齐排列。

3. 使用csvtk在prot.accession2taxid.gz文件中提取plant.taxid所有的accession

zcat prot.accession2taxid.gz |csvtk -t grep -f taxid -P plant.taxid.txt |csvtk -t cut -f accession.version >plant.taxid.acc.txt

csvtk参数含义可以到csvtk usage查询，[csvtk功能介绍][http://bioinf.shenwei.me/csvtk/usage/].

4. 利用获取到的plant.taxid.acc.txt文件创建nr子库

blastdb_aliastool -gilist plant.taxid.acc.txt -db nr -out nr_plant -title nr_plant

5. 如果是想提取特定物种（比如植物）下的所有NR序列

 blastdbcmd -db nr -entry all -outfmt "%a\t%T" |csvtk -t grep -f 2 -P plant.taxid.acc.txt |csvtk -t cut -f 1 |blastdbcmd -db nr -entry_batch - -out nr.plant.fa

两种方法的比较:
方法一更加适合创建较大物种范围的nr子库，即细菌，真菌，植物届等等，速度较快，且方便。

方法二适用于创建多个较小物种集合的nr子库，不需要到NCBI上反复查询，可以写成脚本的形式。

2.txid的查询

常见txid号

Name	txid	Search id	Scope
Bacteria	2	txid2[ORGN]	细菌
Fungi	4751	txid4751[ORGN]	真菌
Eukaryota	2759	txid2759[ORGN]	真核生物
Vertebrata	7742	txid7742[ORGN]	脊椎动物门
Viridiplantae	33090	txid33090[ORGN]	植物界

若不知我们研究物种分类的txid号，则可以通过以下方法查询：通过物种分类中一个已知物种名，例如研究真菌，知晓酿酒酵母的物种名，saccharomyces cerevisiae，知道酿酒酵母属于真菌。

1. 选择NCBI数据库的Taxanomy，输入saccharomyces cerevisiae，搜索。

2. 点击进入后，选择Lineage中的fungi，再点击Fungi。

3. 从Fungi的界面可以看到其txid号为4751.

资料来源：

NR子库构建：

http://www.biotrainee.com/thread-1818-1-1.html

http://www.bioinfo-scrounger.com/

txid号查询：http://blog.sina.com.cn/s/blog_14ece68cc0102vx90.html

标签：子库,plant,数据库,taxid,csvtk,物种,NR,txt,nr
来源： https://blog.csdn.net/songyi10/article/details/120667565

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。