1.准備本地數據庫文件
NR(Non-Redundant Protein Sequence Database)非冗余蛋白庫，是所有GenBank+EMBL+DDBJ+PDB中的非冗余蛋白序列。Taxonomy物種分類數據庫，包括大於7萬余個物種的名字和系譜，這些物種都至少在遺傳數據庫中有一條核酸或蛋白序列。NR和Taxonomy數據庫都是NCBI的子數據庫，會提供比較全面的對應關系。在本地數據庫按物種拆分的話，必須下載這兩個數據庫的文件。
1.1 NR庫下載
ftp下載地址：ftp://ftp.ncbi.nlm.nih.gov/blast/db/FASTA
NR數據庫更新是相當頻繁的，如果追求新，估計每個月甚至每周就重新下一次，但它又非常大，對於商業流程使用不可能更新得這么頻繁，可以半年或一年更新一次。
1.2 Taxonomy數據庫下載
ftp下載地址：ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/
同樣，taxonomy更新也很快。
我們分庫需要用到兩個文件，一個是accession2taxid中的prot.accession2taxid文件：
該文件將accession和taxid關系對應起來（也有GI號，2016年以前大家用的是GI和taxid的對應文件，現在該文件已淘汰）。其格式為：
另一個是taxdump文件，里面包含了物種層級和物種名稱等文件。解壓后文件：
readme.txt文件中解釋了每個文件的每一列信息（注意|是列間隔，而非列本身）：
*.dmp files are bcp-like dump from GenBank taxonomy database.
General information.
Field terminator is "\t|\t"
Row terminator is "\t|\n"
nodes.dmp file consists of taxonomy nodes. The description for each node includes the following
fields:
tax_id -- node id in GenBank taxonomy database （Taxonomy記錄號）
parent tax_id -- parent node id in GenBank taxonomy database （上一層分類級別的tax_id）
rank -- rank of this node (superkingdom, kingdom, ...) 該tax_id所處的分類層級）
embl code -- locus-name prefix; not unique
division id -- see division.dmp file
inherited div flag (1 or 0) -- 1 if node inherits division from parent
genetic code id -- see gencode.dmp file
inherited GC flag (1 or 0) -- 1 if node inherits genetic code from parent
mitochondrial genetic code id -- see gencode.dmp file
inherited MGC flag (1 or 0) -- 1 if node inherits mitochondrial gencode from parent
GenBank hidden flag (1 or 0) -- 1 if name is suppressed in GenBank entry lineage
hidden subtree root flag (1 or 0) -- 1 if this subtree has no sequence data yet
comments -- free-text comments and citations
Taxonomy names file (names.dmp):
tax_id -- the id of node associated with this name （為taxonomy的記錄號）
name_txt -- name itself （即對應tax_id號的物種名稱）
unique name -- the unique variant of this name if name not unique
name class -- (synonym, common name, ...)
Divisions file (division.dmp):
division id -- taxonomy database division id
division cde -- GenBank division code (three characters)
division name -- e.g. BCT, PLN, VRT, MAM, PRI...
comments
Genetic codes file:
genetic code id -- GenBank genetic code id
abbreviation -- genetic code name abbreviation
name -- genetic code name
cde -- translation table for this genetic code
starts -- start codons for this genetic code
Deleted nodes file (delnodes.dmp):
tax_id -- deleted node id
Merged nodes file (merged.dmp):
old_tax_id -- id of nodes which has been merged
new_tax_id -- id of nodes which is result of merging
Citations file (citations.dmp):
cit_id -- the unique id of citation
cit_key -- citation key
pubmed_id -- unique id in PubMed database (0 if not in PubMed)
medline_id -- unique id in MedLine database (0 if not in MedLine)
url -- URL associated with citation
text -- any text (usually article name and authors).
-- The following characters are escaped in this text by a backslash:
-- newline (appear as "\n"),
-- tab character ("\t"),
-- double quotes ('\"'),
-- backslash character ("\\").
taxid_list -- list of node ids separated by a single space
其中最關鍵的是names.dmp和nodes.dmp文件。names.dmp示例（共四列，重要的也就taxid和物種名的前兩列信息）：
nodes.dmp示例（共13列，重要的也就taxid、上層級taxid、分類層級這前三列信息）：
為了讓分類更簡單，我們按taxonomy數據庫本身分類的分法，即division.dmp文件，共12類物種。
2.按物種拆分NR庫
2.1 第一步：獲得Aceesson和分類物種的對應關系
根據以上的prot.accession2taxid.gz、nodes.dmp和division.dmp文件，可通過編寫腳本來獲得accession和以上12類物種的對應關系。腳本略，自己寫。假設結果文件命名為acc2sp.xls，格式如下：
2.2 第二步：獲得分類物種的序列
根據acc2sp.xls這個文件以及NR總庫序列文件nr.gz，我們就可以獲得各類物種的序列信息了。當然除了taxonomy數據庫本身分的這12類，我們也可以將它們合並來自定義子庫。比如這12類中沒有動物，我們可以將Invertebrates.fa、 Mammals.fa、 Primates.fa、 Rodents.fa 和Vertebrates.fa合並為動物作為一類，也可以將"Bacteria"、"fungi"、"Viruses"、"Phages"和"Environmental.samples"等合並為微生物作為一類（這在宏組學注釋中常用）。當然NR中也有這12類中沒包含的序列，我們可將其歸為unknown.fa（不同於Unassigned.fa，它是沒有物種信息）。
腳本自己寫，最后得到的是各個子數據庫的fasta序列文件。
2.3 第三步：建庫和比對
blast或diamond比對工具進行序列數據庫建庫，后面比對選擇對應的字庫就可。
blastall：
formatdb -p T -i Plants.fa
blastall -i query.fa -d Plants.fa -o blastout.nr -p blastp -F F -m 7 -e 1e-5 -b 10 -v 10 -a 5
或diamond：
diamond makedb --in Plants.fa -d Plants.fa
diamond blastp --evalue 1e-5 --threads 4 --outfmt 5 -q query.fa -d Plants.fa.dmnd -o blastout.nr --seg no --max-target-seqs 20 --more-sensitive -b 0.5 --salltitles