refseq_protein.build

. databases.config

set -e

DATE=`date +%Y%m%d`


install -g ${GROUP} --mode=755 -d ${PREFIX}/refseq
install -g ${GROUP} --mode=755 -d ${PREFIX}/refseq/${DATE}
install -g ${GROUP} --mode=755 -d ${PREFIX}/refseq/${DATE}/blast
install -g ${GROUP} --mode=755 -d ${PREFIX}/refseq/${DATE}/diamond
cd ${PREFIX}/refseq/${DATE}

rsync -v --no-motd rsync://ftp.ncbi.nlm.nih.gov/blast/db/refseq_protein*gz .
cd blast
for f in ../*.gz; do
    tar xzf ${f}
done
rm ../*gz
cd ..

# needed to encode taxonomy information
wget -q ftp://ftp.ncbi.nlm.nih.gov/pub/taxonomy/accession2taxid/prot.accession2taxid.FULL.gz

blastdbcmd -db blast/refseq_protein -entry all > refseq_protein.faa
diamond makedb --db diamond/refseq_protein --in refseq_protein.faa \
    --threads ${THREADS} \
    --taxonnodes ${PREFIX}/ncbi_taxonomy/nodes.dmp \
    --taxonnames ${PREFIX}/ncbi_taxonomy/names.dmp \
    --taxonmap prot.accession2taxid.FULL.gz

rm refseq_protein.faa prot.accession2taxid.FULL.gz

cd ..
rm -f current
ln -s ${DATE} current