常用生物信息学软件BLAST

Blast的主程序是blastall。程序的输入文件是query序列（-i 参数）和库文件（-d 参数），比对类型的 选择（-p 参数）和输出文件（-o 参数）由用户指定。其中“-p”参数有 5 种取值： -p blastp：蛋白序列与蛋白库做比对。 -p blastx：核酸序列对蛋白库的比对。 -p blastn：核酸序列对核酸库的比对。 -p tblastn：蛋白序列对核酸库的比对。 -p tblastx：核酸序列对核酸库在蛋白级别的比对。 这些元素就构成了blast的基本运行命令（以blastn为例）： blastall -i query.fasta -d database_prefix -o blast.out -p blastn 其中如果"-o"参数缺省，则结果输出方式为屏幕输出。下面以一个blastn比对为例，来说明比对全过程： Query序列（query.fasta）： >gi|45593933|gb|AY551259.1| Oryza sativa precursor microRNA 319c gene AGGAAGAGGAGCTCCTTTCGATCCAATTCAGGAGAGGAAGTGGTAGGATGCAGCTGCCGATTCATGGATA CCTCTGGAGTGCATGGCAGCAATGCTGTAGGCCTGCACTTGCATGGGTTTGCATGACCCGGGAGATGAAC CCACCATTGTCTTCCTCTATTGATTGGATTGAAGGGAGCTCCACATCTCT >gi|45593932|gb|AY551258.1| Oryza sativa precursor microRNA 319b gene CATATTCTTTTAATTTGATGGAAGAAGCGATCGATGGATGGAAGAGAGCGTCCTTCAGTCCACTCATGGG CGGTGCTAGGGTCGAATTAGCTGCCGACTCATTCACCCACATGCCAAGCAAGAAACGCTTGAGATAGCGA AGCTTAGCAGATGAGTGAATGAAGCGGGAGGTAACGTTCCGATCTCGCGCCGTCTTTGCTTGGACTGAAG GGTGCTCCCTCCTCCTCGATCTCTTCGATCTAATTAAGCTACCTTGACAT 库文件Database（db.seq，已经运行formatdb -i db.seq -p F -o T建库）： >fake_seq AGGAAGAGGAGCTCCTTTCGTTCCAATTCAGGAGAGGAAGTGGTAGGATGCAGCTGCCGATTCATGGATA CCTCTGGAGTGCATGCAGCAATGCTGTAGGCCTGCACTTGCATGGGTTTGCATGACCCGGCGAGATGAAC CCACCATTGTCTTCCTCTATTGATTGGATTGAAGGGAGCTCCACATCTCT 运行命令： blastall -i query.fasta -d db.seq -o blast.out -p blastn 运行结果： BLASTN 2.2.8 [Jan-05-2004] Reference: Altschul, Stephen F., Thomas L. Madden, Alejandro A. Schaffer, Jinghui Zhang, Zheng Zhang, Webb Miller, and David J. Lipman (1997), "Gapped BLAST and PSI-BLAST: a new generation of protein database search programs", Nucleic Acids Res. 25:3389-3402. Query= gi|45593933|gb|AY551259.1| Oryza sativa precursor microRNA 319c gene, complete sequence
|||||||||||||||||||| |||||||||||||||||||||||||||||||||||||||
Sbjct: 1 aggaagaggagctcctttcgttccaattcaggagaggaagtggtaggatgcagctgccga 60
Query: 61 ttcatggatacctctggagtgcatggcagcaatgctgtaggcctgcacttgcatgggttt 120
|||||||||||||||||||||||| |||||||||||||||||||||||||||||||||||
常用生物数据分析软件介绍-Blast
生物数据分析软件-Blast 简介 Blast，全称Basic Local Alignment Search Tool，即"基于局部比对算法的搜索工具"，由Altschul等人 于 1990 年发布。Blast能够实现比较两段核酸或者蛋白序列之间的同源性的功能，它能够快速的找到两段 序列之间的同源序列并对比对区域进行打分以确定同源性的高低。 Blast的运行方式是先用目标序列建数据库（这种数据库称为database，里面的每一条序列称为subject）， 然后用待查的序列（称为query）在database中搜索，每一条query与database中的每一条subject都要进行 双序列比对，从而得出全部比对结果。 Blast是一个集成的程序包，通过调用不同的比对模块，blast实现了五种可能的序列比对方式： blastp：蛋白序列与蛋白库做比对，直接比对蛋白序列的同源性。 blastx：核酸序列对蛋白库的比对，先将核酸序列翻译成蛋白序列（根据相位可以翻译为 6 种可能的蛋白 序列），然后再与蛋白库做比对。 blastn：核酸序列对核酸库的比对，直接比较核酸序列的同源性。 tblastn：蛋白序列对核酸库的比对，将库中的核酸翻译成蛋白序列，然后进行比对。 tblastx：核酸序列对核酸库在蛋白级别的比对，将库和待查序列都翻译成蛋白序列，然后对蛋白序列进行 比对。 Blast提供了核酸和蛋白序列之间所有可能的比对方式，同时具有较快的比对速度和较高的比对精度，因此 在常规双序列比对分析中应用最为广泛。可以毫不夸张的说，blast是做比较基因组学乃至整个生物信息学 研究所必须掌握的一种比对工具。 下载 NCBI提供免费下载，网址：ftp:///blast/executables/release/，可根据自己得机器选 择相应操作系统的版本。 安装 直接解压缩包即可。解压缩命令： zcat *.tar.gz | tar xvf 使用 Blast的运行分为两个步骤：第一，建立目标序列的数据库；第二，做blast比对。 1．运行建库程序formatdb： 建库的过程是建立目标序列的索引文件，所用程序是formatdb。程序允许的输入格式FASTA或者ASN.1 格式， 通常我们使用FASTA格式的序列作为输入。用于建库的FASTA序列是db.seq，formatdb的基本命令是： formatdb -i db.seq [-options] 常用的参数有以下几个： -p (T/F)：-p参数的意义是选择建库的类型，"T"表示蛋白库，"F"表示核酸库。缺省值为"T"。 -o (T/F)：-o参数的意义是判断是否分析序列名并建立序列名索引。"T"表示建立序列名索引，"F"表示不
建立序列名索引。缺省值为"F"。 程序输出： 如果建立的是核酸库，输出为db.seq.nhr、db.seq.nin、db.seq.nsq，如果选择了参数"-o T"，还会同时 输出db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd。 蛋白库和核酸库的输出类似，相应的输出文件为：db.seq.phr、db.seq.pin、db.seq.psq和db.seq.psd、 db.seq.psi、db.seq.pni、db.seq.pnd。 除了这些结果，程序还会输出LOG文件（默认为formatdb.log），里面记录了运行时间、版本号、序列数量 等信息。 几点需要注意的问题： 1、建库以后，做blast比对的输入文件就是建库所得的文件db.seq.n**或者db.seq.p**，而不是原始的FASTA 序列。也就是说，建库以后，原始的序列文件是可以删除的。 2、如果命令行中选择了"-o T"，并且目标序列中含有gi号重复的的序列名时，程序会停止建库并报错。例 如，下列序列文件中出现了重复的序列名： >gi|112385745|gb|DQ859020.1| Oryza sativa (japonica cultivar-group) glutathione S-transferase 2 mRNA, complete cds ATGGCGGAGGCGGCGGGGGCGGCGGTGGCGCCGGCGAAGCTGGGTCTGTACTCGTACTGGCGGAGCTCGT GCTCGCACCGCGTCCGCATCGCCCTCAACCTCAAAGGATTGGAGTACGAGTACAAGGCGGTGAACCTGCT CAAGGGGGAGCACTCTGATCCAGAATTCATGAAGGTTAATCCTATGAAGTTCGTCCCGGCATTGGTCGAT ...... CAAGCAGCACTCCCAGACAGACAACCAGATGCCCCTTCCTCTACCTAG >gi|112385745|gb|DQ859020.1| Oryza sativa (japonica cultivar-group) glutathione S-transferase 2 mRNA, complete cds ATGGCGGAGGCGGCGGGGGCGGCGGTGGCGCCGGCGAAGCTGGGTCTGTACTCGTACTGGCGGAGCTCGT GCTCGCACCGCGTCCGCATCGCCCTCAACCTCAAAGGATTGGAGTACGAGTACAAGGCGGTGAACCTGCT CAAGGGGGAGCACTCTGATCCAGAATTCATGAAGGTTAATCCTATGAAGTTCGTCCCGGCATTGGTCGAT ...... 运行时就会报如下错误： [formatdb] ERROR: Failed to create index. Possibly a gi included more than once in the database. 3、如果输入序列不符合FASTA格式或者ASN.1 格式，程序会自动退出，并报错： [formatdb] ERROR: Could not open db 4、核酸序列可以用于建核酸库和蛋白库，但是蛋白序列不能用于建核酸库。 其他参数简介： -l："-l 文件名"用来改变LOG文件的命名 -n："-n 文件名"可以自定义生成的库文件命名 -a：输入文件为ASN.1 格式 2．运行比对程序blastall：
(190 letters)
Database: db.seq 1 sequences; 190 total letters
Searching.done
Sequences producing significant alignments:
Score E (bits) Value
fake_seq
339 2e-98
>fቤተ መጻሕፍቲ ባይዱke_seq
Length = 190
Score = 339 bits (171), Expect = 2e-98
Identities = 188/191 (98%), Gaps = 2/191 (1%)
Strand = Plus / Plus
Query: 1 aggaagaggagctcctttcgatccaattcaggagaggaagtggtaggatgcagctgccga 60