BLAST: basic local alignment search tool。包括：blastn, blastp, blastx, tblastn, tblastx
BLAST 基本步驟
- 準備數(shù)據(jù)庫：makeblastdb
- 選擇blast工具：包括blastn, blastp等
- 運行得到結果茬底，對輸出進行修飾
Blast工具類型：
Blast 術語 terminology
- Query: 檢索的序列
- Target：需要比對的數(shù)據(jù)集合芹啥，數(shù)據(jù)庫映之。
- Subject：how we refer to an entry that matches.
- Score：比對的得分
- E-value：期望值閾值议纯。1.E值適合與有一定長度，且復雜度不能太低的序列存谎。2. 當E值小于10-5時银萍，表明序列有較高的同源性变勇，而非因計算錯誤。3.當e值小于10-6表明兩序列的同源性非常高贴唇，幾乎沒有必要再做確認搀绣。
建庫
以水稻cds數(shù)據(jù)為例，搜索擬南芥REV的同源基因
### 下載水稻cds和pep數(shù)據(jù)
wget ftp://ftp.ensemblgenomes.org/pub/plants/release-39/fasta/oryza_sativa/cds/Oryza_sativa.IRGSP-1.0.cds.all.fa.gz
ftp://ftp.ensemblgenomes.org/pub/plants/release-39/fasta/oryza_sativa/pep/Oryza_sativa.IRGSP-1.0.pep.all.fa.gz
gunzip *.gz
### 建庫
makeblastdb -in Oryza_sativa.IRGSP-1.0.cds.all.fa -dbtype nucl -out oriza.cds.fa
makeblastdb -in Oryza_sativa.IRGSP-1.0.pep.all.fa -dbtype prot -out oriza.pep.fa
### bio_handbook示例
esearch -db protein -query PRJNA257197|efetch -format=fasta >index/all-protein.fa
makeblastdb -in all-protein.fa -dbtype nucl -parse_seqids
blastdbcmd -db all-protein.fa -entry 'all' -outfmt '%a' |les
檢索比對
BLAST 常用命令：
-
task命令： 指不同的檢索算法戳气，目的為適應某些特殊的序列（短序列等）其中blastn包括以下task：
-
blastn:更為寬松的檢索链患，find more divergent sequences -
megablast:較為嚴格的檢索，此為blastn的默認檢索算法瓶您，find less divergent sequences -
blastn-short:對短序列進行的檢索
-
-
db：數(shù)據(jù)庫位置 -
query：檢索的文件 -
out：輸出的文件 -
evalue：期望值閾值1e-5 -
perc_identity：根據(jù)相似度對輸出結果過濾 -
remote：遠程NCBI的數(shù)據(jù)庫 麻捻，需-db nr -
query_loc：檢索的位置 -
outfmt：輸出的數(shù)據(jù)格式纲仍，常用的為6，7- qaccver: 檢索序列的ac號
- saccver: 目標序列的ac號
- pident:完全匹配百分比
- length:聯(lián)配的長度
- mismatch:錯配數(shù)目
- gapopen:gap的數(shù)目
- qstart:檢索序列的起始
- sstart:目標序列起始
- send:目標序列起始
- evalue:期望值
- bitscore:BIT得分
- score:原始得分
### 檢索
blastn -db oriza.cds.fa -query ath_REV.fa -outfmt 7 ###無檢索結果
blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt 7 ###較為寬松贸毕，結果很多巷折。
### 指定輸出格式 pident 為identity值
blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt "6 qseqid sseqid pident"
## 書中按照identity值進行排序
blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt "6 qseqid sseqid pident" | sort -k3 -rn |head 5
- 對于低復雜度的序列(low complexity，重復序列較多)崖咨，加上參數(shù)-dust no
- 序列聯(lián)配，兩兩比對加參數(shù)-subject
efectch -id NC_001133 -db nucleotide -format fasta > NC_001133.fa
blastn -query start.fa -subject NC_001133.fa
其它的一些BLAST-like的程序
- Diamond快速blast
- RAPSearch2：A memory-efficient implementation of RAPSearch algorithm for protein similarity search with a large database and a large queryset.
一些diamond命令
###建庫
diamond makedb --in nr.faa -d nr
##比對
diamond blastp -d nr -q reads.fa -o align.txt -f 6
快速是會以準確性為代價的油吭，尚不知道diamond的準確度有多好击蹲？
