生物序列的相似性搜索blast简介及应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2.解压程序包(blast-2.28-ia32-linux.tar.gz) 命令是: $ tar zxvf blast-2.28-ia32-linux.tar.gz
37
下载正确的Blast程序包
blast:在本地运行的blast程序包
wwwblast:在本地服务器建立blast服务
的网站
netblast:blast的客户端程序，直接链接
17
NCBI提供的Blast服务
登陆ncbi的 blast主页
核酸序列
蛋白序列
翻译序列
底下有其他一些针对 特殊数据库的和查看 以往的比对结果等
18
Blast任务提交表单（一）
序列范围 （默认全部）
1.序列信息部分
填入查询（query）的序列 选择搜索数据库 如果接受其他参数默认 设置，点击开始搜索
4
生物序列的同源性
同源性(homology)： 指从一些数据中推断出的两个基因或蛋
白质序列具而共同祖先的结论，属于质的 判断。就是说A和B的关系上，只有是同 源序列，或者非同源序列两种关系。而说 A和B的同源性为80％都是不科学的。
5
相似性和同源性关系
序列的相似性和序列的同源性有一定的关系，一 般来说序列间的相似性越高的话，它们是同源序 列的可能性就更高，所以经常可以通过序列的相 似性来推测序列是否同源。
7
Blast简介（一）
BLAST 是由美国国立生物技术信息 中心（NCBI） 开发的一个基于序列相似性的数据库搜 索程序。
BLAST是“局部相似性基本查询工 具”(Basic Local Alignment Search Tool)的 缩写。
8
Blast简介（二）
Blast 是一个序列相似性搜索的程序包， 其中包含了很多个独立的程序，这些程序 是根据查询的对象和数据库的不同来定义 的。比如说查询的序列为核酸，查询数据 库亦为核酸序列数据库，那么就应该选择 blastn程序。 下表列出了主要的blast程序。
至NCBI的BLAST服务器，使用BLAST服 务，不需浏览器。
38
下载正确的Blast程序包
Blast程序包的名字上还包括了该程序包运行的硬
件和操作系统环境：
百度文库操作系统
硬件环境（CPU）
linux
sparc
macox
powerPC
solaris
ia32
irix
ia64
aix
amd64
hpux
mips
freebsd
alpha
win32
39
单机版的Blast使用（三）
3.获取Blast数据库 a.直接从ncbi下载 ftp://ftp.ncbi.nlm.nih.gov/blast/db/ b.用Blast程序包提供的formatdb工具自己格 式化序列数据成数据库。
假设有一序列数据（sequence.fa，多序列，fasta 格式），欲自己做成Blast数据库，典型的命令 如下：
我们选上
29
分析过程（三）
6.限制条件，我们限制 在病毒里面找。
7.其他选项保持默认值
打分矩阵
30
分析过程（四）
8.输出格式选项保持 默认值
9.点击开始搜索
31
分析过程（五）
10.查询序列的一些 相关信息 在cdd库里面找到 两个保守区域， 点击可以进入
32
分析过程（六）
图形结果
33
分析过程（七）
匹配序列列表
34
分析过程（八）
具体匹配情况
35
单机版的Blast使用（一）
为什么使用单机版的Blast？ 1.特殊的数据库要求。 2.涉及序列的隐私与价值。 3.批量处理 4.其他原因？？
36
单机版的Blast使用（二）
单机版Blast的基本操作过程 1.下载单机版的Blast程序
ftp://ftp.ncbi.nlm.nih.gov/blast/executables/ 目录下，下载对应的操作系统版本。
我们通过blast搜索来获取一些这个序列的 信息。
26
具体步骤
1.登陆blast主页 http://www.ncbi.nlm.nih.gov/BLAST/ 2.根据数据类型，选择合适的程序 3.填写表单信息 4.提交任务 5.查看和分析结果
27
分析过程（一）
1.登陆ncbi的blast主页
2.选择程序，因为 查询序列是蛋白序 列可以选择blastp，
9
主要的blast程序
程序名 Blastn Blastp
查询序列 核酸 蛋白质
Blastx
核酸
Tblastn 蛋白质
TBlastx
核酸
数据库
搜索方法
核酸 核酸序列搜索逐一核酸数据库中的序列
蛋白质 蛋白质 核酸 核酸
蛋白质序列搜索逐一蛋白质数据库中的序 列
核酸序列6框翻译成蛋白质序列后和蛋白 质数据库中的序列逐一搜索。
单机版的Blast程序包，把基本的blast分析， 包括blastn，blastp，blastx等都整合到了 blastall一个程序里面。
42
单机版的Blast使用（六）
以下是一个典型的blastn分析命令： (待分析序列seq.fa，数据库nt_db)
…
12
Blast结果给出的信息
Blast结果会列出跟查询序列相似性比较 高，符合限定要求的序列结果，根据这些 结果可以获取以下一些信息。 1.查询序列可能具有某种功能 2.查询序列可能是来源于某个物种 3.查询序列可能是某种功能基因的同源基因 … 这些信息都可以应用到后续分析中。
13
两种版本的Blast比较（一）
40
单机版的Blast使用（四）
核酸序列： $ ./formatdb –i sequence.fa –p F –o T/F –n
db_name 蛋白序列： $ ./formatdb –i sequence.fa –p T –o T/F –n
db_name
41
单机版的Blast使用（五）
4.执行Blast比对 获得了单机版的Blast程序，解压开以后， 如果有了相应的数据库（db），那么就可 以开始执行Blast分析了。
网络版本 包括NCBI在内的很多网站都提供了在线 的blast服务，这也是我们最经常用到的 blast服务。网络版本的blast服务就有方便， 容易操作，数据库同步更新等优点。但是 缺点是不利于操作大批量的数据，同时也 不能自己定义搜索的数据库。
14
两种版本的Blast比较（二）
单机版 单机版的blast可以通过NCBI的ftp站点获得， 有适合不同平台的版本（包括linux，dos 等）。获得程序的同时必须获取相应的数 据库才能在本地进行blast分析。单机版的 优点是可以处理大批的数据，可以自己定 义数据库，但是需要耗费本地机的大量资 源，此外操作也没有网络版直观、方便， 需要一定的计算机操作水平。
蛋白质序列和核酸数据库中的核酸序列6 框翻译后的蛋白质序列逐一比对。
核酸序列6框翻译成蛋白质序列，再和核 酸数据库中的核酸序列6框翻译成的蛋 白质序列逐一进行比对。
10
Blast相关的问题
怎么获得blast服务,怎么使用的问题？
为什么使用blast，可以获得什么样的信息？
其他问题：实际使用时选择哪种方式（网 络，本地化），参数的选择，结果的解 释…
15
本地WEB版的Blast
在NCBI的FTP上，在blast程序的目录 下，还提供了一种供用户在自己的服务器 上建立Blast网页服务的软件包(wwwblast)。
使用该软件包，用户可以建立一个简 易的进行Blast运算的网站供实验室人员使 用。用于搜索的数据库同样可以灵活的定 义。
16
Blast程序评价序列相似性的两个数据
2.Blast介绍 Blast资源和相关问题
3.Blast的应用 网络版，单机版
4.深入了解Blast(改进程序，算法基础) 5.其他的序列相似性搜索工具（fasta）
3
生物序列的相似性
相似性(similarity)： 是指一种很直接的数量关系，比如部
分相同或相似的百分比或其它一些合适 的度量。比如说，A序列和B序列的相似 性是80％，或者4/5。这是个量化的关 系。当然可进行自身局部比较。
生物序列的相似性搜索
－blast简介及其应用
2005年3月
生物信息学常见的应用与软件
序列数据的保存格式与相关数据库资源 在数据库中进行序列相似性搜索 多序列比对 进化树构建与分子进化分析 Motif的寻找与序列的模式识别 RNA二级结构，蛋白质二、三级结构的预测 基因芯片的数据分析
2
内容提要
1.基本概念 相似性，同源性
点击进入
也可以选择tblastn
作为演示， 我们这里选blastp
28
分析过程（二）
3.填入序列（copy＋paste） Fasta格式，或者纯序列
4.选择搜索区域，这里我们要 搜索整个序列，不填
5.选择搜索数据库，这里我们 选nr(非冗余的蛋白序列库)。
是否搜索保守区域数据库 （cdd），蛋白序列搜索才有。
选择需要显示的选项 以及显示的文件格式
显示数目
Alignment的显
筛选结果
示方式
点击开始搜索
其他一些显示格式参数
21
提交任务
返回查询号（request id） 修改完显示格式后点 击进入结果界面
可以修改显示结果格式
22
结果页面（一）
图形示意结果
23
结果页面（二）
目标序列描述部分
带有genbank的链接，点击可以进入 相应的genbank序列
Score：使用打分矩阵对匹配的片段进行打分，这是
对各对氨基酸残基（或碱基）打分求和的结果，一般来 说，匹配片段越长、 相似性越高则Score值越大。
E value:在相同长度的情况下，两个氨基酸残基（或
碱基）随机排列的序列进行打分，得到上述Score值的 概率的大小。E值越小表示随机情况下得到该Score值的 可能性越低。
正因为存在这样的关系，很多时候对序列的 相似性和同源性就没有做很明显的区分，造成经 常等价混用两个名词。所以有出现A序列和B序 列的同源性为80％一说。
6
序列相似性比较和序列同源性分析
序列相似性比较： 就是将待研究序列与DNA或蛋白质序列库进行比较，
用于确定该序列的生物属性，也就是找出与此序列相似 的已知序列是什么。完成这一工作只需要使用两两序列 比较算法。常用的程序包有BLAST、FASTA等； 序列同源性分析： 是将待研究序列加入到一组与之同源，但来自不同物种 的序列中进行多序列同时比较，以确定该序列与其它序 列间的同源性大小。这是理论分析方法中最关键的一步。 完成这一工作必须使用多序列比较算法。常用的程序包 有CLUSTAL等；
匹配情况，分值，e值
24
结果页面（三）
详细的比对上的序列的排列情况
25
一个具体的例子（blastp）
假设以下为一未知蛋白序列
>query_seq
MSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTAS WFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKEL SPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVL QLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMA SGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTAT KQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMS RIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKK KTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADST QA
11
Blast资源
1.NCBI主站点：
http://www.ncbi.nlm.nih.gov/BLAST/(网络版) ftp://ftp.ncbi.nlm.nih.gov/blast/ (单机版)
2.其他站点：
http://life.zsu.edu.cn/blast/ http://nema.cap.ed.ac.uk/ncbi_blast.html http://www.fruitfly.org/blast/（果蝇）
19
Blast任务提交表单（二）
2.设置各种参数部分
设置搜索的范围，entrez关键词， 或者选择特定物种
一些过滤选项，包括简 单重复序列，人类基因
组中的重复序列等
E值上限
窗口大小 如果你对blast的命令行选项熟悉的话，可以在这里加入更多的参数
20
Blast任务提交表单（三）
E值范围
3.设置结果输出显示格式
37
下载正确的Blast程序包
blast:在本地运行的blast程序包
wwwblast:在本地服务器建立blast服务
的网站
netblast:blast的客户端程序，直接链接
17
NCBI提供的Blast服务
登陆ncbi的 blast主页
核酸序列
蛋白序列
翻译序列
底下有其他一些针对 特殊数据库的和查看 以往的比对结果等
18
Blast任务提交表单（一）
序列范围 （默认全部）
1.序列信息部分
填入查询（query）的序列 选择搜索数据库 如果接受其他参数默认 设置，点击开始搜索
4
生物序列的同源性
同源性(homology)： 指从一些数据中推断出的两个基因或蛋
白质序列具而共同祖先的结论，属于质的 判断。就是说A和B的关系上，只有是同 源序列，或者非同源序列两种关系。而说 A和B的同源性为80％都是不科学的。
5
相似性和同源性关系
序列的相似性和序列的同源性有一定的关系，一 般来说序列间的相似性越高的话，它们是同源序 列的可能性就更高，所以经常可以通过序列的相 似性来推测序列是否同源。
7
Blast简介（一）
BLAST 是由美国国立生物技术信息 中心（NCBI） 开发的一个基于序列相似性的数据库搜 索程序。
BLAST是“局部相似性基本查询工 具”(Basic Local Alignment Search Tool)的 缩写。
8
Blast简介（二）
Blast 是一个序列相似性搜索的程序包， 其中包含了很多个独立的程序，这些程序 是根据查询的对象和数据库的不同来定义 的。比如说查询的序列为核酸，查询数据 库亦为核酸序列数据库，那么就应该选择 blastn程序。 下表列出了主要的blast程序。
至NCBI的BLAST服务器，使用BLAST服 务，不需浏览器。
38
下载正确的Blast程序包
Blast程序包的名字上还包括了该程序包运行的硬
件和操作系统环境：
百度文库操作系统
硬件环境（CPU）
linux
sparc
macox
powerPC
solaris
ia32
irix
ia64
aix
amd64
hpux
mips
freebsd
alpha
win32
39
单机版的Blast使用（三）
3.获取Blast数据库 a.直接从ncbi下载 ftp://ftp.ncbi.nlm.nih.gov/blast/db/ b.用Blast程序包提供的formatdb工具自己格 式化序列数据成数据库。
假设有一序列数据（sequence.fa，多序列，fasta 格式），欲自己做成Blast数据库，典型的命令 如下：
我们选上
29
分析过程（三）
6.限制条件，我们限制 在病毒里面找。
7.其他选项保持默认值
打分矩阵
30
分析过程（四）
8.输出格式选项保持 默认值
9.点击开始搜索
31
分析过程（五）
10.查询序列的一些 相关信息 在cdd库里面找到 两个保守区域， 点击可以进入
32
分析过程（六）
图形结果
33
分析过程（七）
匹配序列列表
34
分析过程（八）
具体匹配情况
35
单机版的Blast使用（一）
为什么使用单机版的Blast？ 1.特殊的数据库要求。 2.涉及序列的隐私与价值。 3.批量处理 4.其他原因？？
36
单机版的Blast使用（二）
单机版Blast的基本操作过程 1.下载单机版的Blast程序
ftp://ftp.ncbi.nlm.nih.gov/blast/executables/ 目录下，下载对应的操作系统版本。
我们通过blast搜索来获取一些这个序列的 信息。
26
具体步骤
1.登陆blast主页 http://www.ncbi.nlm.nih.gov/BLAST/ 2.根据数据类型，选择合适的程序 3.填写表单信息 4.提交任务 5.查看和分析结果
27
分析过程（一）
1.登陆ncbi的blast主页
2.选择程序，因为 查询序列是蛋白序 列可以选择blastp，
9
主要的blast程序
程序名 Blastn Blastp
查询序列 核酸 蛋白质
Blastx
核酸
Tblastn 蛋白质
TBlastx
核酸
数据库
搜索方法
核酸 核酸序列搜索逐一核酸数据库中的序列
蛋白质 蛋白质 核酸 核酸
蛋白质序列搜索逐一蛋白质数据库中的序 列
核酸序列6框翻译成蛋白质序列后和蛋白 质数据库中的序列逐一搜索。
单机版的Blast程序包，把基本的blast分析， 包括blastn，blastp，blastx等都整合到了 blastall一个程序里面。
42
单机版的Blast使用（六）
以下是一个典型的blastn分析命令： (待分析序列seq.fa，数据库nt_db)
…
12
Blast结果给出的信息
Blast结果会列出跟查询序列相似性比较 高，符合限定要求的序列结果，根据这些 结果可以获取以下一些信息。 1.查询序列可能具有某种功能 2.查询序列可能是来源于某个物种 3.查询序列可能是某种功能基因的同源基因 … 这些信息都可以应用到后续分析中。
13
两种版本的Blast比较（一）
40
单机版的Blast使用（四）
核酸序列： $ ./formatdb –i sequence.fa –p F –o T/F –n
db_name 蛋白序列： $ ./formatdb –i sequence.fa –p T –o T/F –n
db_name
41
单机版的Blast使用（五）
4.执行Blast比对 获得了单机版的Blast程序，解压开以后， 如果有了相应的数据库（db），那么就可 以开始执行Blast分析了。
网络版本 包括NCBI在内的很多网站都提供了在线 的blast服务，这也是我们最经常用到的 blast服务。网络版本的blast服务就有方便， 容易操作，数据库同步更新等优点。但是 缺点是不利于操作大批量的数据，同时也 不能自己定义搜索的数据库。
14
两种版本的Blast比较（二）
单机版 单机版的blast可以通过NCBI的ftp站点获得， 有适合不同平台的版本（包括linux，dos 等）。获得程序的同时必须获取相应的数 据库才能在本地进行blast分析。单机版的 优点是可以处理大批的数据，可以自己定 义数据库，但是需要耗费本地机的大量资 源，此外操作也没有网络版直观、方便， 需要一定的计算机操作水平。
蛋白质序列和核酸数据库中的核酸序列6 框翻译后的蛋白质序列逐一比对。
核酸序列6框翻译成蛋白质序列，再和核 酸数据库中的核酸序列6框翻译成的蛋 白质序列逐一进行比对。
10
Blast相关的问题
怎么获得blast服务,怎么使用的问题？
为什么使用blast，可以获得什么样的信息？
其他问题：实际使用时选择哪种方式（网 络，本地化），参数的选择，结果的解 释…
15
本地WEB版的Blast
在NCBI的FTP上，在blast程序的目录 下，还提供了一种供用户在自己的服务器 上建立Blast网页服务的软件包(wwwblast)。
使用该软件包，用户可以建立一个简 易的进行Blast运算的网站供实验室人员使 用。用于搜索的数据库同样可以灵活的定 义。
16
Blast程序评价序列相似性的两个数据
2.Blast介绍 Blast资源和相关问题
3.Blast的应用 网络版，单机版
4.深入了解Blast(改进程序，算法基础) 5.其他的序列相似性搜索工具（fasta）
3
生物序列的相似性
相似性(similarity)： 是指一种很直接的数量关系，比如部
分相同或相似的百分比或其它一些合适 的度量。比如说，A序列和B序列的相似 性是80％，或者4/5。这是个量化的关 系。当然可进行自身局部比较。
生物序列的相似性搜索
－blast简介及其应用
2005年3月
生物信息学常见的应用与软件
序列数据的保存格式与相关数据库资源 在数据库中进行序列相似性搜索 多序列比对 进化树构建与分子进化分析 Motif的寻找与序列的模式识别 RNA二级结构，蛋白质二、三级结构的预测 基因芯片的数据分析
2
内容提要
1.基本概念 相似性，同源性
点击进入
也可以选择tblastn
作为演示， 我们这里选blastp
28
分析过程（二）
3.填入序列（copy＋paste） Fasta格式，或者纯序列
4.选择搜索区域，这里我们要 搜索整个序列，不填
5.选择搜索数据库，这里我们 选nr(非冗余的蛋白序列库)。
是否搜索保守区域数据库 （cdd），蛋白序列搜索才有。
选择需要显示的选项 以及显示的文件格式
显示数目
Alignment的显
筛选结果
示方式
点击开始搜索
其他一些显示格式参数
21
提交任务
返回查询号（request id） 修改完显示格式后点 击进入结果界面
可以修改显示结果格式
22
结果页面（一）
图形示意结果
23
结果页面（二）
目标序列描述部分
带有genbank的链接，点击可以进入 相应的genbank序列
Score：使用打分矩阵对匹配的片段进行打分，这是
对各对氨基酸残基（或碱基）打分求和的结果，一般来 说，匹配片段越长、 相似性越高则Score值越大。
E value:在相同长度的情况下，两个氨基酸残基（或
碱基）随机排列的序列进行打分，得到上述Score值的 概率的大小。E值越小表示随机情况下得到该Score值的 可能性越低。
正因为存在这样的关系，很多时候对序列的 相似性和同源性就没有做很明显的区分，造成经 常等价混用两个名词。所以有出现A序列和B序 列的同源性为80％一说。
6
序列相似性比较和序列同源性分析
序列相似性比较： 就是将待研究序列与DNA或蛋白质序列库进行比较，
用于确定该序列的生物属性，也就是找出与此序列相似 的已知序列是什么。完成这一工作只需要使用两两序列 比较算法。常用的程序包有BLAST、FASTA等； 序列同源性分析： 是将待研究序列加入到一组与之同源，但来自不同物种 的序列中进行多序列同时比较，以确定该序列与其它序 列间的同源性大小。这是理论分析方法中最关键的一步。 完成这一工作必须使用多序列比较算法。常用的程序包 有CLUSTAL等；
匹配情况，分值，e值
24
结果页面（三）
详细的比对上的序列的排列情况
25
一个具体的例子（blastp）
假设以下为一未知蛋白序列
>query_seq
MSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTAS WFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKEL SPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVL QLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMA SGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTAT KQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMS RIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKK KTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADST QA
11
Blast资源
1.NCBI主站点：
http://www.ncbi.nlm.nih.gov/BLAST/(网络版) ftp://ftp.ncbi.nlm.nih.gov/blast/ (单机版)
2.其他站点：
http://life.zsu.edu.cn/blast/ http://nema.cap.ed.ac.uk/ncbi_blast.html http://www.fruitfly.org/blast/（果蝇）
19
Blast任务提交表单（二）
2.设置各种参数部分
设置搜索的范围，entrez关键词， 或者选择特定物种
一些过滤选项，包括简 单重复序列，人类基因
组中的重复序列等
E值上限
窗口大小 如果你对blast的命令行选项熟悉的话，可以在这里加入更多的参数
20
Blast任务提交表单（三）
E值范围
3.设置结果输出显示格式