Mafft安装使用教程(MAFFT-7.526)

Mafft安装使用教程(MAFFT-7.526)

教程写于2025年2月19日，目前mafft最新版是7.526

The latest version is 7.526 (2024/Apr)

常用比对软甲比较（文献报道的）：

比对速度（Muscle>MAFFT>ClustalW>T-Coffee）

比对准确性（MAFFT>Muscle>T-Coffee>ClustalW）

个人推荐使用MAFFT比对软件

一、安装

使用conda 安装

首先创建conda虚拟环境：

conda create -n mafft

然后激活环境：

conda activate mafft

然后安装：

conda install conda-forge::mafft

然后查看软件版本：

mafft --version

二、MAFFT 最简使用教程

1、使用--auto选项

• --auto选项是MAFFT中最简单且强大的功能之一，它会根据输入序列的数量自动选择最适合的比对策略（在速度和准确性之间平衡）。对于大多数用户来说，这是最推荐的默认设置。

基本命令：

mafft --auto input.fasta > output.fasta

说明：

• input.fasta：输入文件，必须是FASTA格式。
• output.fasta：输出文件，比对结果将以FASTA格式保存。
• --auto：自动选择比对策略。

---

2、设置多线程

MAFFT支持多线程计算，可以通过--thread选项指定线程数，从而加速比对过程。

命令示例：

mafft --auto --thread 4 input.fasta > output.fasta

说明：

• --thread 4：指定使用4个线程进行计算。你可以根据计算机的CPU核心数调整线程数。例如，如果你的计算机有8核CPU，可以设置为--thread 8。
• 注意：多线程加速效果在序列数量较多时更为明显。

---

3、最简使用示例

假设你有一个名为input.fasta的序列文件，包含多条氨基酸或核苷酸序列，你可以使用以下命令进行比对：

mafft --auto --thread 4 input.fasta > output.fasta

这条命令会：

1. 自动选择最适合的比对策略。
2. 使用4个线程加速计算。
3. 将比对结果保存到output.fasta文件中。
4. 也可设置--thread -1 会自动使用计算机所有可使用CPU。

---

4、输出格式（可选）

如果你需要将结果保存为Clustal格式，可以添加--clustalout选项：

mafft --auto --thread 4 --clustalout input.fasta > output.clustal

---

5、总结

• 最简命令：mafft --auto input.fasta > output.fasta
• 多线程加速：mafft --auto --thread [线程数] input.fasta > output.fasta
• 输出Clustal格式：mafft --auto --thread [线程数] --clustalout input.fasta > output.clustal

三、MAFFT 详细使用教程

1、常规使用

以下是MAFFT的常用设置，适合大多数用户快速上手：

---

快速比对（适用于大量序列）

如果需要快速比对大量序列（如>2000条），推荐使用FFT-NS-1方法。该方法速度非常快，但牺牲了一定的准确性。

mafft --retree 1 --maxiterate 0 input.fasta > output.fasta

或使用简写命令：

fftns input.fasta > output.fasta

说明：

• --retree 1：仅构建一次引导树。
• --maxiterate 0：不进行迭代优化。
• 适用于序列数量较多（>2000条）的场景。

---

平衡速度与准确性的比对（中等数量序列）

对于中等数量的序列（如200-2000条），推荐使用FFT-NS-i方法。该方法通过两轮迭代优化，平衡了速度和准确性。

mafft --retree 2 --maxiterate 2 input.fasta > output.fasta

或使用简写命令：

fftnsi input.fasta > output.fasta

说明：

• --retree 2：构建两次引导树。
• --maxiterate 2：进行两轮迭代优化。
• 适用于序列数量适中的场景。

---

高准确性比对（少量序列）

如果序列数量较少（<200条），且需要高准确性，推荐使用L-INS-i或G-INS-i方法。这两种方法通过迭代精修，能够获得较高的比对准确性。

• L-INS-i（局部优化）：

  mafft --localpair --maxiterate 1000 input.fasta > output.fasta
  

  或使用简写命令：

  linsi input.fasta > output.fasta
  

• G-INS-i（全局优化）：

  mafft --globalpair --maxiterate 1000 input.fasta > output.fasta
  

  或使用简写命令：

  ginsi input.fasta > output.fasta
  

说明：

• --localpair或--globalpair：分别使用局部或全局比对算法。
• --maxiterate 1000：进行最多1000轮迭代优化。
• 适用于对准确性要求较高的场景。

---

分组比对

如果需要将两个已对齐的序列组进行比对，可以使用mafft-profile命令：

mafft-profile group1.fasta group2.fasta > output.fasta

或使用以下命令：

mafft --maxiterate 1000 --seed group1.fasta --seed group2.fasta /dev/null > output.fasta

说明：

• group1.fasta和group2.fasta是已对齐的序列组。
• /dev/null用于忽略输入文件中的其他序列。

---

2、详细参数

以下是MAFFT的详细使用说明，包括参数解释和使用场景。

---

算法选择

MAFFT提供了多种比对算法，根据不同的需求选择合适的算法：

• FFT-NS系列：
  • FFT-NS-1：非常快，适合大量序列（>2000条），但准确性较低。
  • FFT-NS-2：较快，适合中等数量的序列（200-2000条），通过两轮迭代优化提高准确性。
  • FFT-NS-i：通过多次迭代优化，进一步提高准确性，但速度较慢。
• INS-i系列：
  • L-INS-i：局部优化，适合局部可比对的序列，准确性高。
  • G-INS-i：全局优化，适合全局可比对的序列，准确性高。
  • E-INS-i：适合含有大段不可比对区域的序列，通过广义仿射缺口成本算法优化。
• NW系列：
  • NW-NS-i：不使用FFT近似，适合需要高准确性的场景。
  • NW-NS-2：快速，不使用FFT近似。
  • NW-NS-PartTree-1：适合大量序列（约10,000-50,000条），使用PartTree算法快速构建引导树。

---

参数设置

MAFFT提供了丰富的参数用于调整比对行为：

• 比对算法相关参数：
  • --localpair：使用局部比对算法（Smith-Waterman）。
  • --globalpair：使用全局比对算法（Needleman-Wunsch）。
  • --genafpair：使用广义仿射缺口成本算法。
  • --retree：指定引导树构建的次数（默认为2）。
  • --maxiterate：指定迭代优化的次数（默认为0）。
• 缺口参数：
  • --op：组间比对的缺口开启惩罚（默认为1.53）。
  • --ep：组间比对的缺口延伸惩罚（默认为0.123）。
  • --lop、--lep、--lexp：局部比对的缺口参数。
• 输出格式：
  • --clustalout：输出为Clustal格式。
  • --treeout：输出引导树到文件。
  • --quiet：不显示比对进度。
• 输入格式：
  • --nuc：假设输入为核苷酸序列。
  • --amino：假设输入为氨基酸序列。
  • --seed：使用已对齐的序列作为种子进行比对。

---

使用场景示例

以下是几种常见使用场景的示例：

• 快速比对大量序列：

  mafft --retree 1 --maxiterate 0 input.fasta > output.fasta
  

• 高准确性比对少量序列：

  mafft --localpair --maxiterate 1000 input.fasta > output.fasta
  

• 分组比对：

  mafft-profile group1.fasta group2.fasta > output.fasta
  

• 输出Clustal格式：

  mafft --clustalout input.fasta > output.clustal
  

• 使用PartTree算法：

  mafft --retree 1 --maxiterate 0 --parttree input.fasta > output.fasta
  

---

注意事项

• 序列数量：根据序列数量选择合适的算法。大量序列适合快速方法，少量序列适合高准确性方法。
• 序列类型：通过--nuc或--amino明确指定输入序列类型。
• 输出格式：默认为FASTA格式，如需其他格式可使用相应参数（如--clustalout）。