美文网首页Biostar Handbook学习小组
Biostar_handbook||charpter 12. B

Biostar_handbook||charpter 12. B

作者: Dawn_WangTP | 来源:发表于2018-07-12 22:20 被阅读4次

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

    BLAST 基本步骤

    1. 准备数据库:makeblastdb
    2. 选择blast工具:包括blastn, blastp等
    3. 运行得到结果,对输出进行修饰

    Blast工具类型:

    Blast 术语 terminology

    • Query: 检索的序列
    • Target:需要比对的数据集合,数据库。
    • Subject:how we refer to an entry that matches.
    • Score:比对的得分
    • E-value:期望值阈值。1.E值适合与有一定长度,且复杂度不能太低的序列。2. 当E值小于10-5时,表明序列有较高的同源性,而非因计算错误。3.当e值小于10-6表明两序列的同源性非常高,几乎没有必要再做确认。

    建库

    以水稻cds数据为例,搜索拟南芥REV的同源基因

    ### 下载水稻cds和pep数据
    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
    
    ### 建库
    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
    

    检索比对

    BLAST 常用命令

    • task命令: 指不同的检索算法,目的为适应某些特殊的序列(短序列等)其中blastn包括以下task
      • blastn:更为宽松的检索,find more divergent sequences
      • megablast:较为严格的检索,此为blastn的默认检索算法,find less divergent sequences
      • blastn-short:对短序列进行的检索
    • db:数据库位置
    • query:检索的文件
    • out:输出的文件
    • evalue:期望值阈值1e-5
    • perc_identity:根据相似度对输出结果过滤
    • remote:远程NCBI的数据库 ,需-db nr
    • query_loc:检索的位置
    • outfmt:输出的数据格式,常用的为6,7
      • qaccver: 检索序列的ac号
      • saccver: 目标序列的ac号
      • pident:完全匹配百分比
      • length:联配的长度
      • mismatch:错配数目
      • gapopen:gap的数目
      • qstart:检索序列的起始
      • sstart:目标序列起始
      • send:目标序列起始
      • evalue:期望值
      • bitscore:BIT得分
      • score:原始得分
    ### 检索
    blastn -db oriza.cds.fa -query ath_REV.fa -outfmt 7 ###无检索结果
    
    blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt 7 ###较为宽松,结果很多。
    
    
    ### 指定输出格式 pident 为identity值
    blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt "6 qseqid sseqid pident" 
    
    ## 书中按照identity值进行排序
    blastn -task blastn -db oriza.cds.fa -query ath_REV.fa -outfmt "6 qseqid sseqid pident" | sort -k3 -rn |head 5
    
    
    • 对于低复杂度的序列(low complexity,重复序列较多),加上参数-dust no
    • 序列联配,两两比对加参数-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

    ###建库
    diamond makedb --in nr.faa -d nr
    
    ##比对
    diamond blastp -d nr -q reads.fa -o align.txt -f 6
    
    

    快速是会以准确性为代价的,尚不知道diamond的准确度有多好?

    相关文章

      网友评论

        本文标题:Biostar_handbook||charpter 12. B

        本文链接:https://www.haomeiwen.com/subject/iqldpftx.html