建立本地的可视化blast页面

我们实验室主要是研究拟南芥的，因此要经常进tair网站，但是有时进的比较慢或者完全打不开，而NCBI也比较慢，所以我想建立一个本地的可视化的blast网站，以viroBlast为基础运行的。

下载安装依赖软件

sudo apt install apache2 libapache2-mod-php php php-gd

下载viroBlast软件

viroBlast软件对于学术研究是免费的，所以可以通过学术邮箱来得到下载链接

1572091375409.png 1572091527176.png
进入申请页面后填写信息就可以了，几分钟后邮箱会有两个邮件，有个邮件就是下载软件的链接，我的链接是http://indra.mullins.microbiol.washington.edu/viroblast/download.php?ID=viroblast.tar.gz

安装viroBlast

gzip -d viroblast-2.6+.tar.gz
tar -xvpf viroblast-2.6+.tar
mv viroblast/ /var/www/html/

此时，已经基本上完成了，在浏览器中打开链接：http://your_hostname/viroblast/viroblast.php，your_hostname换为服务器的ip。

1572092040889.png

构建数据库

这里我以拟南芥的为例：

1. 下载基因组和cDNA的fasta序列

wget -c ftp://ftp.ensemblgenomes.org/pub/plants/release-45/fasta/arabidopsis_thaliana/dna/Arabidopsis_thaliana.TAIR10.dna.toplevel.fa.gz
wget -c ftp://ftp.ensemblgenomes.org/pub/plants/release-45/fasta/arabidopsis_thaliana/cdna/Arabidopsis_thaliana.TAIR10.cdna.all.fa.gz

2. 解压以后将文件移到目录/var/www/html/viroblast/db/nucleotide/下，然后使用makeblast命令构建数据库

makeblastdb -dbtype nucl -in Arabidopsis_thaliana.TAIR10.dna.toplevel.fa -input_type fasta -parse_seqids -out Arabidopsis_10_genome_dna
makeblastdb -in Arabidopsis_thaliana.TAIR10.cdna.all.fa -input_type fasta -dbtype nucl -parse_seqids -out Arabidopsis_cdna

3. 修改配置文件，配置文件在/var/www/html/viroblast/目录下，vim viroblast.ini，在blastn后面添加一下信息

blastn: test_na_db => Nucleotide test database, Arabidopsis_10_genome_dna => Arabidopsis genome database, Arabidopsis_cdna => Arabidopsis gene database     #如果有多个数据库的话可以使用‘,’来分隔

保存之后再刷新一下之前的页面会发现数据库已经添加进去了

1572092924426.png
现在就可以开心的在本地进行blast了。

局外

1. viroblast目录下各个文件的介绍
   • viroblast.php: viroblast的主页面
   • blastresult.php: blast结果输出页面
   • blast.pl: perl程序执行blast+并把结果输出
   • sequence.php:显示结果并提供下载
   • download.php: 下载页面
   • viroblast.ini: viroblast程序的配置文件
     这个配置文件有两个重点，一个是blast的路径，一个是数据库的名字
     关于数据库有个小插曲，当我看到有测试文件时，我直接将他们给删除了，这导致在页面上blast是一直报错，提示BLAST Database error: No alias or index file found for nucleotide database，当我把他们加上时恢复正常，可能是因为删除后需要修改的地方没有修改完，这个小问题以后遇到再说吧，不知道有没有以后了
     • blast的路径可以使用自己安装的目录，也可以使用程序带的
     • 关于数据库的格式，简单说一下。格式是

       <program>: <database_file_name1 => database_name1_for_display>, <database_file_name2 => database_name2_for_display>
       

       可选的program有blastn，blastp，blastx，xblastn，xblastx；
       database_file_name就是使用makeblastdb的输出文件的前缀；
       database_name_for_display是要在viroblast页面显示的名字。
   • ./viroblast/blast+/
     • 为linux/x64提供默认单独的blast+程序
   • ./viroblast/data/
     • 储存blast结果的文件夹
       因为每次运行都会生成一下结果文件，因此有必要设置这些文件的生存时间，我设置的是一周。也就是说从这个文件生成的一周后会被自动删除。
       设置方法如下：

       sudo nano /etc/crontab      #修改文件并在文件的下面添加下面的一个语句
        
       @daily root find /var/www/html/viroblast/data/ -mtime +6 -type f -delete
       

   • ./viroblast/docs/
     viroblast的文档
   • ./viroblast/db/nucleotide/
     存储核酸序列数据，供blast查询
   • ./viroblast/db/protein/
     存储蛋白序列数据，供blast查询
   • ./viroblast/image/
     viroblast页面使用到的图片。

小结

1. 根据目的下载需要的数据
   比对基因序列要下载基因组序列；
   比对转录组序列要下载cDNA序列；
   比对蛋白组要下载蛋白序列；
   同样也可以提取每个基因的序列。
2. 如果懂php的话可以修改viroblast.php文件，是页面更炫酷。