BLAST: basic local alignment search tool。包括：blastn, blastp, blastx, tblastn, tblastx

BLAST 基本步驟

1. 準(zhǔn)備數(shù)據(jù)庫(kù)：makeblastdb
2. 選擇blast工具：包括blastn, blastp等
3. 運(yùn)行得到結(jié)果，對(duì)輸出進(jìn)行修飾

Blast工具類型：

Blast 術(shù)語(yǔ) terminology

• Query: 檢索的序列
• Target：需要比對(duì)的數(shù)據(jù)集合，數(shù)據(jù)庫(kù)。
• Subject：how we refer to an entry that matches.
• Score：比對(duì)的得分
• E-value：期望值閾值。1.E值適合與有一定長(zhǎng)度，且復(fù)雜度不能太低的序列。2. 當(dāng)E值小于10-5時(shí)，表明序列有較高的同源性，而非因計(jì)算錯(cuò)誤。3.當(dāng)e值小于10-6表明兩序列的同源性非常高，幾乎沒有必要再做確認(rèn)。

建庫(kù)

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(kù)
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(duì)

BLAST 常用命令：

• task命令： 指不同的檢索算法，目的為適應(yīng)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，find more divergent sequences
  • megablast:較為嚴(yán)格的檢索，此為blastn的默認(rèn)檢索算法，find less divergent sequences
  • blastn-short:對(duì)短序列進(jìn)行的檢索
• db：數(shù)據(jù)庫(kù)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(duì)輸出結(jié)果過濾
• remote：遠(yuǎn)程N(yùn)CBI的數(shù)據(jù)庫(kù) ，需-db nr
• query_loc：檢索的位置
• outfmt：輸出的數(shù)據(jù)格式，常用的為6，7
  • qaccver: 檢索序列的ac號(hào)
  • saccver: 目標(biāo)序列的ac號(hào)
  • pident:完全匹配百分比
  • length:聯(lián)配的長(zhǎng)度
  • mismatch:錯(cuò)配數(shù)目
  • gapopen:gap的數(shù)目
  • qstart:檢索序列的起始
  • sstart:目標(biāo)序列起始
  • send:目標(biāo)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(jié)果

blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt 7 ###較為寬松，結(jié)果很多。


### 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(jìn)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(duì)于低復(fù)雜度的序列(low complexity，重復(fù)序列較多)，加上參數(shù)-dust no
• 序列聯(lián)配，兩兩比對(duì)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(kù)
diamond makedb --in nr.faa -d nr

##比對(duì)
diamond blastp -d nr -q reads.fa -o align.txt -f 6

快速是會(huì)以準(zhǔn)確性為代價(jià)的，尚不知道diamond的準(zhǔn)確度有多好？