最近被要求更新一下NT数据库，然后踩了好多坑，想记录下来，避免以后再犯。

首先去官网上直接下载nt.fasta（wget -c ftp://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/nt.gz），解压后发现只有Accession ID，没有gi号，这样建完的index，用blast分析是没有办法得到scientific name的，所以就想办法怎么解决这个问题。

我想要的格式：

下载下来的格式：

于是跑过去问小伙伴，他告诉我用blast软件里的update_blastdb.pl下载下来NT的index文件，再用blastdbcmd软件提取fasta文件就好了，然后就开始我的踩坑之旅，我先运行命令行：perl update_blastdb.pl nt，不久就报错：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的使用说明，才发现如果按照我之前的命令行下下来的还是旧的V4版的NT库，修改了参数再次尝试，虽然撑得久了点，但还是相似的报错，估计被公司IT限制了网络。代码默认从NCBI上下载，换了一个source，从Google Cloud Platform上下载：

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

但是我是白天在公司下载的数据，导致其他同事上网特别慢，被IT找上门来。。。还是放弃了。

参考链接：

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的代码，其实下载的还是ftp://ftp.ncbi.nlm.nih.gov/blast/db/nt.*.tar.gz的内容，于是晚上的时候用wget很快就下来了，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提序列又悲剧了，提出来的fasta的表头格式和我直接在官网上下的一样：

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

向小伙伴求助，小伙伴说可以在NCBI网页上下载gi号，然后根据gi号用blastdb_aliastool直接提取建好的库，我试着下了一下细菌的gi号，都下了好几M了还在下载，咬咬牙，还是重新研究了一下blastdbcmd的用法，终于尝试出了我想要的格式，默认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

参考链接：http://blog.sina.com.cn/s/blog_16152d7d70102xnc3.html

总结：碰到软件要好好的看使用说明，不要急吼吼的问被人或者上网上查，网上信息不全有可能被误导，导致不必要的弯路。