写在前面
用过 BLAST 进行基因功能注释的朋友应该常常遇到两个问题：
- BLAST 输出格式较多，选择哪一类输出格式更为实用？
- 输出结果信息较多，如果方便下游数据分析？
BLAST 的输出文件格式建议
基于我个人生信数据分析项目经验，一般用户会选择以下四种格式：
- pairwise
- blast tab ，即 -outfmt 6
- ASN
- XML
以下逐个解读。
Pairwise 格式
这一个是常见于绝大多数网站自行搭建的 BLAST 服务。比如拟南芥 TAIR 的 Blast 输出，大体如下，
清晰明了，对于少量序列，比如 一两个序列的 比对结果查看，那么这一格式非常合适。但一旦数据较多，比如我们上千个差异表达基因或者是关联出来的基因列表，那么就不太合适。于是一般会用 Table （--outfmt 6 或 7 ）
Blast Tab 格式
Blast Tab 格式，这个名字，是我自己给的。因为这个格式其实就是纯粹的 制表符分隔 的 表格。一般情况下，blast+ 设置输出格式为 -outfmt 6 或者 7 （后者包含表头）即可。大体格式可以看看下方，
直接在 Excel 中查看即可。可以看出，一列一列摆放，以 HSP （也就是 高度相似片片段）为单位。这个序列的比对结果不太直观（具体见下文）。
ASN 格式
说实话，我估计绝大部分号称自己搞数据分析的，其实也不知道有这个格式。
ASN格式，类似 JSON，是 NCBI 自定义的格式，存储信息最全面，可以直接使用 Blast 软件转换为其他格式。唯一麻烦的可能是，用户需要转换一次，有些人不喜欢。当然我也不喜欢，毕竟...XML相对容易解析。
XML 格式
一直以来，我最新换的就是 XML 格式。主要原因有：
- 相比于 Pairwise 和 ASN 格式来说，XML 更容易使用 程序解析
- 相比于 Table 格式来说，XML 信息更全面
具体可看
对应所有 TBtools 用户来说，我个人是建议，如果只是一两条序列的 BLAST ，那么建议 Pairwise 格式，而其他所有情况，直接输出 XML 格式。因为 TBtools 下面有系列功能可以可视化 和 解析。
大体功能介绍
XML 转换为 BLAST Tab 格式
所有 BLAST XML 输出文件，可以直接使用 TBtools，转换为 BLAST Tab。非常方便。
TBtools Table 格式
正如前面体积，BLAST 默认的输出以 HSP 为单位，有时候并不太合适。比如，有些时候比对结果是这样的（即超过 1 个 HSP）
这种情况下，如果是 NCBI BLAST 默认的 表格输出，那么就是
我们完全可以想想，有不少时候，可能有 N 个hsp。而这些信息，本身冗余。此外，也无法直接看到比对覆盖率。为此.... 很久很久以前，我就开放了一个功能，自定义了一个 TBtools Table。具体如下，
可以看出，多个 HSP 的信息被整合为一行，也补充了覆盖率的计算等等。每行就是一个 Hit ，更符合实际用户观测数据需求。
仅仅如此？
当然不是。这两天，我又在折腾一些生物学问题相关的课题。于是需要看一堆基因大体注释信息。尽管上述说到的 TBtoosl Table 相对简洁。但还是不够直观，毕竟一个人序列还是对应了多个 hits。所以最好的做法就是，进一步把所有的 hits 整合成 一行（这个想法在三四年前，夏老师提过，不过...我一直懒得实现）。索性写了一下，输出结果如下。
说实话，不能太完美...
而且具体使用一样简单：
- 输入BLAST的XML格式输出文件，支持 DIAMOND XML，建议比对到 Swissprot
- 输出文件路径
具体界面如下，注意到新版本的 TBtools，直接整合了 三个表格转换功能
一切，就这么简单....
当然，其实新版本修复了一小部分 BLAST XML to Table 的小bug，建议各位更新，尽管，我已经推送了自动更新.....
写在后面
TBtools 的序列提取 和 BLAST 相关功能，是最老的功能，意味着他们的具体界面化和实现逻辑，都是一个具有不到半年 Java 编程经验（接触编程刚过一年）的小孩子写的。现在看来，多少显得粗糙。但回过头来，这个跟不少大佬说的一样：
- 以前，有时间，但是没经费
- 现在，有经费，但是没时间
而大佬终归是大佬嘛。对于我，那么情况是：没时间，也没经费。
哈哈哈哈哈哈哈哈
网友评论