Blast+安装使用的简单流程

Blast+使用

安装

安装

通过https://ftp.ncbi.nlm.nih.gov/blast/executables/LATEST/网站下载，并执行安装

$ tar zxvpf ncbi-blast-2.10.1+-x64-linux.tar.gz 
设置路径：
vim ~/.bashrc
$ export PATH=$PATH:$HOME/ncbi-blast-2.10.1+/bin:$PATH
source ~.bashrc

为了使用BLAST的数据库，需要建立一个文件夹储存它们

 $ mkdir $HOME/blastdb
 $ export BLASTDB=$HOME/blastdb

下载数据库

BLAST数据库在BLAST搜索中是一个重要元素，下面为下载single-volume database named 16S_ribosomal_RNA的例子：

$ cd $HOME/blastdb
$ perl ../bin/update_blastdb.pl --passive --decompress 16S_ribosomal_RNA

运行此步需下载perl，并且根据报错信息，需要下载软件，可以通过Search the CPAN - metacpan.org搜索软件名，并执行

$ perl Makefile.PL
$ make
$ sudo make install

下载数据库后会出现

$ ls -l 
total 172388
-rw-r--r-- 1 tao sdesk   1142784 Jun  6 12:05 16S_ribosomal_RNA.ndb
-rw-r--r-- 1 tao sdesk   3326945 Jun  6 12:05 16S_ribosomal_RNA.nhr
-rw-r--r-- 1 tao sdesk    252508 Jun  6 12:05 16S_ribosomal_RNA.nin
-rw-r--r-- 1 tao sdesk    170664 Jun  6 12:05 16S_ribosomal_RNA.nnd
-rw-r--r-- 1 tao sdesk       716 Jun  6 12:05 16S_ribosomal_RNA.nni
-rw-r--r-- 1 tao sdesk     84152 Jun  6 12:05 16S_ribosomal_RNA.nog
-rw-r--r-- 1 tao sdesk    424244 Jun  6 12:05 16S_ribosomal_RNA.nos
-rw-r--r-- 1 tao sdesk    252764 Jun  6 12:05 16S_ribosomal_RNA.not
-rw-r--r-- 1 tao sdesk   7761701 Jun  6 12:05 16S_ribosomal_RNA.nsq
-rw-r--r-- 1 tao sdesk    548864 Jun  6 12:05 16S_ribosomal_RNA.ntf
-rw-r--r-- 1 tao sdesk    148812 Jun  6 12:05 16S_ribosomal_RNA.nto
-rw-r--r-- 1 tao sdesk        59 Jun 11 12:14 16S_ribosomal_RNA.tar.gz.md5
-rw-r--r-- 1 tao sdesk 146879591 Jun  6 12:05 taxdb.btd
-rw-r--r-- 1 tao sdesk  15506928 Jun  6 12:05 taxdb.bti
$

功能

1. 基本原理：BLAST从头至尾将两条序列扫描，找出所有的片段对，并在允许的阈值范围内对片对进行延伸，最终找出HSPs，即高分值片段对。做双序列对比时要构建n*n的表格，计算复杂度是n的二次方，所以会节省大量的时间，但是牺牲了一定的牺牲度。
   片段对：两个给定序列中的一对子序列，它们的长度相等并且可形成无空位的完全匹配。

2. BLAST种类

   • Blastn：核酸序列与核酸序列数据库进行查询

   • Blastp：蛋白质序列与蛋白质序列数据库进行查询

   • Blastx：将核酸序列翻译成蛋白质序列，然后与蛋白质序列数据库进行查询

   • tBlastn：将核酸序列数据库中的核酸序列翻译成蛋白质序列，然后将蛋白质序列与由数据库翻译的蛋白质序列进行查询

   • tBlastx：将核酸序列和核酸序列数据库中的核酸序列翻译成蛋白质，再从蛋白质水平进行查询

     （其中从核酸翻译成蛋白质&蛋白质翻译成核酸，均用六种可读框架）

使用

1. 常用参数

   -query： 输入文件路径及文件名；

   -out：输出文件路径及文件名；

   -db：数据库路径及数据库名；

   -task： 共五个程序选择’blastn’ ‘blastn-short’ ‘dcmegablast’ ‘megablast’ ‘rmblastn’ ，默认megablast；具体区别如下：

   • blastn 完全匹配的传统blastn；

   • blastn-short 优化查询：短于50个碱基；

   • megablast 查找十分相似的序列（如物种内部或相关的物种间）；

   • dc-megablast 查找亲缘关系比较远的序列（如物种间）；

   • rmblastn 兼容了RepeatMasker。

   -evalue：设置输出结果的e-value值，一般1e-5；

   -num_threads：线程数；

   -num_alignments：输出数据库中能与Query比对上的的序列数目，与max_target_seqs不能同时使用；

   -max_target_seqs：最多允许比对到数据库中的序列数目，参数仅适用于outfmt >4；

   -perc_identity ：比对的最低相似度；

   -max_hsps：由于不对时一条序列比对成多段，如果只想输出其中的几段，就设定相应的数目，与-num_alignments不能同时使用；

   -outfmt：输出文件格式，总共有15种格式，一般设置为7。

2. 构建自定义搜索库

   makeblastdb -in xx.fasta -parse_seqids -hash_index -dbtype prot
   

   -in参数后面接将要格式化的数据库；

   -parse_seqids, -hash_index两个参数一般都带上；

   -dbtype 后接所格式化的序列的类型，核酸用 nucl，蛋白质用prot；

   -title 给数据库起个名(不能用在后面搜索时-db的参数)；

   -out 输出文件的前缀。