如何在blast结果中添加详细的物种信息

之前无论是做blastn或者是blastp都是仅仅在blast结果中显示了种属信息，没有添加详细的信息，添加种属信息很简单，只要结果里生成XML格式，之后转化成xls格式就OK：

blastn -query 16S_seq/996-SLM.new.fa -db $dbNT -out 996-SLM.new.fa.nt.xml -outfmt 5 -evalue 1e-05 -max_target_seqs 1 -num_threads 28    #以blastn 为例

但是如果想要添加详细的物种信息，例如界门纲目科属种，就需要利用到NCBI taxonomy数据库。

还是以blastn，比对NT库为例。

首先，我们需要找到accession号对应的ncbi里面的taxonomy id号，也就是taxid。

打开NCBI taxonomy地址，ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/，在accession2taxid下找到nucl_gb.accession2taxid.gz，这个文件记录了所有核酸序列（非WGS或TSA）asscession对应的taxid。这里要说明一下，在18年甚至更久以前，NCBI是通过gi号与taxid对应起来，而如今，gi号已经慢慢淡出视野。

有了blastn结果，注意输出-outfmt选择6，我们可以使用grep命令抓取对应的taxid号：

grep '\bNR_043136.1\b' nucl_gb.accession2taxid | awk '{print $3}'  #这里为了保证结果唯一，可添加个head -1输出一条结果

有了taxid号后，借助一个很好用的TaxonKit工具，来获取详细信息。该工具之前记录过，可在“如何从NT/NR数据库中提取子库”中找到。

与上文抓取到的taxid号，整合taxonkit命令生成详细的物种信息：

grep '\bNR_043136.1\b' nucl_gb.accession2taxid | awk '{print $3}' | taxonkit lineage | taxonkit reformat -F | cut -f 3

最终得到：

Bacteria;Proteobacteria;Alphaproteobacteria;Sphingomonadales;Erythrobacteraceae;Qipengyuania;Qipengyuania vulgaris

该结果可以自行写个perl或者python添加到blastn结果中。

taxonkit工具是用GO语言写的，很好用，还会自动获取更新，作者真大神。