在生物信息學，BLAST(基本的局部比對搜索工具)是一種算法炒事，用于比較生物的序列信息难礼，諸如蛋白質(zhì)的氨基酸序列娃圆、DNA或RNA核苷酸序列。BLAST搜索使研究人員能夠?qū)⒁粋€目標蛋白或核苷酸序列(稱為查詢)與一個數(shù)據(jù)庫進行比較蛾茉，并識別某個特定閾值以上的與目標序列相似的庫序列讼呢。在線的BLAST功能只需要將序列輸入，然后BLAST谦炬，最后會給出相似的庫序列(按照同源性高低排列)悦屏。在線BLAST明顯存在兩個缺陷：1.目標序列BLAST后的得到的庫序列是多個物種的，如果我們只是要特定物種的話，還需要再自己找础爬。2.如果目標序列有很多散劫，則需要執(zhí)行很多次，效率低幕帆。而本地化的BLAST+能很好的解決上面兩個問題获搏。
1.BLAST+的下載與安裝
BLAST+下載地址: ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/
針對不同的平臺(linux,mac,windows)選擇性的進行安裝，如圖一失乾。
下面以mac為例進行介紹：
1.下載:ncbi-blast-2.9.0+-x64-macosx.tar.gz
2.下載完成后常熙，進行解壓縮。
3.打開終端碱茁，輸入以下代碼：
#將目標地址設(shè)為環(huán)境變量
open ~/.bash_profile #打開環(huán)境變量配置窗口裸卫。
在彈出的窗口中輸入如下：
export PATH=$PATH:/Users/bcl/Desktop/software_plugin/ncbi-blast-2.9.0+/bin #將blast文件夾中的bin地址設(shè)為環(huán)境變量。
#驗證是否成功配置為環(huán)境變量
blastn #出現(xiàn)圖二說明OK纽竣。
2.BLAST+的使用
下面以一個實例來說明怎么使用墓贿。比如說你想把番茄的一部分序列對應(yīng)到桃基因組數(shù)據(jù)庫中，并按照同源性高低得到與目標序列相似的庫序列(根據(jù)不同的篩選標準蜓氨，得到的序列條數(shù)會不一樣)聋袋，應(yīng)該怎么做呢？
2.1 序列的下載
首先你得從相應(yīng)的網(wǎng)站下載番茄一部分序列(因為我們以blastp為例穴吹，所以只下載了它的蛋白序列)幽勒，以及下載得到桃的基因組文件(只用其中的蛋白序列)。下載得到的文件放在一個文件夾中港令。
2.2 庫的構(gòu)建
利用下載得到的桃的基因組文件進行構(gòu)建蛋白庫啥容。在終端中輸入如下代碼：
cd /Users/bcl/Desktop/blastp #cd到存放文件的地址。
makeblastdb -in Prunus_persica_v2.0.a1.allTrs.pep.fa -dbtype prot
#下面為注釋：
-in:代表用來構(gòu)庫的基因組文件的地址和文件名
-dbtype:代表構(gòu)建的是什么庫顷霹，prot代表蛋白庫咪惠。
構(gòu)建成功會出現(xiàn)圖三以及文件夾中會多出三個文件(圖四)。
2.3 目標序列與庫序列進行比對
終端下輸入如下代碼：
blastp -help #查看幫助文檔
blastp -query JA_regulated_genes.fasta -db Prunus_persica_v2.0.a1.allTrs.pep.fa -out JA_regulated_genes_blastp.txt -evalue 1e-5 -outfmt 6
#下面為注釋淋淀。
-query：代表的是要進行blastp的番茄一部分序列文件
-db：為前面用于建庫桃的的基因組文件
-out：為輸出文件的文件名
-evalue：為篩選標準(evalue越低遥昧，相似性越高)
-outfmt：輸出文件格式，6代表表格形式绅喉。
輸出的結(jié)果按照同源性從高到低排列(目標序列與庫序列進行同源比對時根據(jù)evalue篩選出來的可能不止一個)渠鸽，那么如何選出每個最匹配的呢?
3.R studio中提取輸出文件中同源性最高的序列
打開R studio叫乌，輸入以下代碼柴罐，即可實現(xiàn)。
#讀取文件
txt <- read.csv('/Users/bcl/Desktop/blastp/JA_regulated_genes_blastp.txt',header=FALSE,sep='\t',encoding='UTF-8') #第一個參數(shù)為上一步比對后生成文件的地址和文件名憨奸，后面的參數(shù)不需要做調(diào)整革屠。
#構(gòu)建一個布爾向量，索引。
index<- duplicated(txt$V1) #duplicated()在數(shù)據(jù)框函數(shù)中應(yīng)用廣泛
index
#篩選數(shù)據(jù)(兩種)
#method1
txt<-txt[which(index==FALSE),] #選擇非重復(fù)數(shù)據(jù)
txt
#method2
txt<-txt[!index,] #選擇非重復(fù)數(shù)據(jù)
txt
#數(shù)據(jù)寫入到txt中似芝，把行名和列名設(shè)為flase,并去掉引號
write.table(txt,file='/Users/bcl/Desktop/blastp/JA_regulated_genes_select.txt',row.names=FALSE,col.names = FALSE,quote=F) #第二個參數(shù)與讀取的時候同
下圖為經(jīng)過選擇后的文件可發(fā)現(xiàn)已提取出同源性最高的序列那婉。
本文由博客一文多發(fā)平臺 OpenWrite 發(fā)布！
