返回51飞艇冠军计划
当前位置: 主页 > 精通Office > 其他教程 >

BLAST使用方法全攻略

时间:2012-04-26 21:51来源:知行网www.penoybetterlife.com 编辑:麦田守望者

51飞艇冠军计划BLAST是几乎每一位生命科学领域的同学都要使用的基本工具,在网络上也可以搜到很多关于BLAST的接受,个人觉得还是来自BGI的这份讲义不错,很系统、很全面。当然大家也可以找点快速上手的方法(比如来自柳城博客http://liucheng.name/478/的方法就很容易学,很适合新手),然后再仔细研究其中的奥秘。个人认为学习当如此,嘿嘿。

51飞艇冠军计划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:

51飞艇冠军计划blastp:蛋白序列与蛋白库做比对,直接比对蛋白序列的同源性。

51飞艇冠军计划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。

51飞艇冠军计划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

51飞艇冠军计划NCBI提供免费下载,网址:ftp://ftp.ncbi.nih.gov/blast/executables/release/,可根据自己得机器选择相应操作系统的版本。

安装

51飞艇冠军计划直接解压缩包即可。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。

51飞艇冠军计划1.运行建库程序formatdb:

51飞艇冠军计划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]

51飞艇冠军计划常用的参数有以下几个:

51飞艇冠军计划-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"。

51飞艇冠军计划-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:

51飞艇冠军计划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。

51飞艇冠军计划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。

51飞艇冠军计划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

51飞艇冠军计划GCTCGCACCGCGTCCGCATCGCCCTCAACCTCAAAGGATTGGAGTACGAGTACAAGGCGGTGAACCTGCT

CAAGGGGGAGCACTCTGATCCAGAATTCATGAAGGTTAATCCTATGAAGTTCGTCCCGGCATTGGTCGAT

......

CAAGCAGCACTCCCAGACAGACAACCAGATGCCCCTTCCTCTACCTAG
>gi|112385745|gb|DQ859020.1| Oryza sativa (japonica cultivar-group) glutathione S-transferase 2 mRNA, complete cds

51飞艇冠军计划ATGGCGGAGGCGGCGGGGGCGGCGGTGGCGCCGGCGAAGCTGGGTCTGTACTCGTACTGGCGGAGCTCGT

GCTCGCACCGCGTCCGCATCGCCCTCAACCTCAAAGGATTGGAGTACGAGTACAAGGCGGTGAACCTGCT

51飞艇冠军计划CAAGGGGGAGCACTCTGATCCAGAATTCATGAAGGTTAATCCTATGAAGTTCGTCCCGGCATTGGTCGAT

......

运行时就会报如下错误:

51飞艇冠军计划[formatdb] ERROR: Failed to create index. Possibly a gi included more than once in the database.

51飞艇冠军计划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

51飞艇冠军计划-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:

51飞艇冠军计划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:

51飞艇冠军计划-p blastp:蛋白序列与蛋白库做比对。

51飞艇冠军计划-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。

51飞艇冠军计划这些元素就构成了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:

51飞艇冠军计划Query序列(query.fasta):

>gi|45593933|gb|AY551259.1| Oryza sativa precursor microRNA 319c gene

AGGAAGAGGAGCTCCTTTCGATCCAATTCAGGAGAGGAAGTGGTAGGATGCAGCTGCCGATTCATGGATA

CCTCTGGAGTGCATGGCAGCAATGCTGTAGGCCTGCACTTGCATGGGTTTGCATGACCCGGGAGATGAAC

51飞艇冠军计划CCACCATTGTCTTCCTCTATTGATTGGATTGAAGGGAGCTCCACATCTCT

>gi|45593932|gb|AY551258.1| Oryza sativa precursor microRNA 319b gene

CATATTCTTTTAATTTGATGGAAGAAGCGATCGATGGATGGAAGAGAGCGTCCTTCAGTCCACTCATGGG

51飞艇冠军计划CGGTGCTAGGGTCGAATTAGCTGCCGACTCATTCACCCACATGCCAAGCAAGAAACGCTTGAGATAGCGA

AGCTTAGCAGATGAGTGAATGAAGCGGGAGGTAACGTTCCGATCTCGCGCCGTCTTTGCTTGGACTGAAG

51飞艇冠军计划GGTGCTCCCTCCTCCTCGATCTCTTCGATCTAATTAAGCTACCTTGACAT

51飞艇冠军计划库文件Database(db.seq,已经运行formatdb -i db.seq -p F -o T建库):

>fake_seq

51飞艇冠军计划AGGAAGAGGAGCTCCTTTCGTTCCAATTCAGGAGAGGAAGTGGTAGGATGCAGCTGCCGATTCATGGATA

CCTCTGGAGTGCATGCAGCAATGCTGTAGGCCTGCACTTGCATGGGTTTGCATGACCCGGCGAGATGAAC

CCACCATTGTCTTCCTCTATTGATTGGATTGAAGGGAGCTCCACATCTCT

运行命令:

51飞艇冠军计划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.

51飞艇冠军计划Query= gi|45593933|gb|AY551259.1| Oryza sativa precursor microRNA 319c

gene, complete sequence

(190 letters)

Database: db.seq

51飞艇冠军计划1 sequences; 190 total letters

Searching.done

Score E

51飞艇冠军计划Sequences producing significant alignments: (bits) Value


fake_seq 339 2e-98

51飞艇冠军计划>fake_seq

Length = 190

51飞艇冠军计划Score = 339 bits (171), Expect = 2e-98

Identities = 188/191 (98%), Gaps = 2/191 (1%)

Strand = Plus / Plus

Query: 1 aggaagaggagctcctttcgatccaattcaggagaggaagtggtaggatgcagctgccga 60

|||||||||||||||||||| |||||||||||||||||||||||||||||||||||||||

Sbjct: 1 aggaagaggagctcctttcgttccaattcaggagaggaagtggtaggatgcagctgccga 60

51飞艇冠军计划Query: 61 ttcatggatacctctggagtgcatggcagcaatgctgtaggcctgcacttgcatgggttt 120

51飞艇冠军计划|||||||||||||||||||||||| |||||||||||||||||||||||||||||||||||

51飞艇冠军计划Sbjct: 61 ttcatggatacctctggagtgcat-gcagcaatgctgtaggcctgcacttgcatgggttt 119

Query: 121 gcatgacccgg-gagatgaacccaccattgtcttcctctattgattggattgaagggagc 179

51飞艇冠军计划||||||||||| ||||||||||||||||||||||||||||||||||||||||||||||||

Sbjct: 120 gcatgacccggcgagatgaacccaccattgtcttcctctattgattggattgaagggagc 179

51飞艇冠军计划Query: 180 tccacatctct 190

|||||||||||

51飞艇冠军计划Sbjct: 180 tccacatctct 190

Database: db.seq

51飞艇冠军计划Posted date: Aug 28, 2006 8:14 PM

Number of letters in database: 190

Number of sequences in database: 1

Lambda K H

1.37 0.711 1.31

------分隔线----------------------------
标签(Tag):blast
------分隔线----------------------------
推荐内容
猜你感兴趣