BLAST是局部相似性基本查詢工具(Basic Local Alignment Search Tool)的縮寫。

是由美國國立生物技術信息中心(NCBI)開發的一個基於序列相似性的數據庫搜索程序，它能夠對生物不同蛋白質的氨基酸序列或不同基因的DNA序列與公開數據庫所有序列進行匹配比對，並從相應數據庫中找到相同或相似的序列。

BLAST功能是什麼？

BLAST可用於推斷序列之間的功能和進化關係，以及幫助鑑定基因家族的成員。BLAST還能發現具有缺口的能比對上的序列。BLAST可處理任何數量的序列，BLAST軟件提供了在線的比對工具，它不僅可以進行核酸序列之間的比對，也可以進行蛋白質與蛋白質以及蛋白質與核酸之間的比對。

通常根據查詢序列的類型(蛋白或核酸)來決定選用何種BLAST。

BLAST適用於本地查詢。可以下載公共數據庫，對於該數據庫的更新和維護是必不可少的。如果要直接到網上查詢也可以(即ＮET BLAST)，但如果自己的序列很有價值的話，還是謹慎為宜。

線上NCBI Blast使用

blast

例如我要對比某一段核酸序列，那就是點nucleotide blast

輸入序列以及一些想要的條件就可以查詢，同時也可以換別的blast比對工具。

評價一個blast結果的標準主要有三項，E值(Expect)，一致性(Identities)，缺失或插入(Gaps)。加上長度(length)的話，就有四個標準了。

Score：序列比對過程中計算的得分值，得分越高，序列匹配結果越好。

Expect：表示隨機匹配的可能性。E值越小，序列越相似，E值越大，隨機匹配的可能性也越大。E值接近零或為零時，具本上就是完全匹配了。

Identities：序列相似性，匹配上的鹼基數佔總序列長的百分數。

Gaps：插入或缺失。用"—"來表示。

本地Blast

數據庫的下載:

ftp://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/

1. 安裝

conda create --name <myenv>
#activate your own environment
conda activate <myenv>
# BLAST installation (download latest BLAST version)
conda install -c bioconda blast

2. 下載想要的ref genome DB，可以到NCBI資料庫找找要哪個物種，哪一版

   例如我的：

3. 建立自己的db

   makeblastdb -dbtype nucl -parse_seqids -in GRCh38_latest_rna.fna -out human
   

   -out human ，出來的db名字就都是human開頭，會跑出一對文件

   -dbtype string,: string在（guess, nucl, prot)中選擇一個

   裏面human開頭的都是建出來的DB

4. BLAST your sequencing data by blastn

我的input sample : BLAST_sample_file.fa

 blastn -task blastn -query BLAST_sample_file.fa -db human -evalue 0.05 -out sample.blastn.txt

輸出來的sample.blastn.txt

• Customized output table

   blastn -task blastn -query BLAST_sample_file.fa -db human -outfmt "7 qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore staxids" -out sample.blastn.custom.txt
  

參數說明：
-query 需要檢索的序列文件名
-db 需要在哪個數據庫中檢索
-out 輸出文件名
-outfmt 輸出格式，一般選7即可，有0-18可選
-evalue E值閾值，高於這個E值的序列不輸出到結果中，默認值為10，建議設到10^-5以下

除此之外，還可以加入num_thread等參數，表示同時使用多少個線程來計算。其他更多參數可以使用
-help來查看

對應的header是：
query id：查詢序列ID標識
subject id：比對上的目標序列ID標識
identity：序列比對的一致性百分比
alignment length：符合比對的比對區域的長度
mismatches：比對區域的錯配數
gap openings：比對區域的gap數目
query start：比對區域在查詢序列(Query id)上的起始位點
query end：比對區域在查詢序列(Query id)上的終止位點
subject start：比對區域在目標序列(Subject id)上的起始位點
subject end：比對區域在目標序列(Subject id)上的終止位點
e-value：表明在隨機的情況下，其它序列與目標序列相似度要大於S值的可能性，e-value的分值越低越好
bit score：比對結果的bit score值

• BLAST Database error: Error: Not a valid version 4 database.

blastn -task blastn -query BLAST_sample_file.fa -db human -evalue 0.05 -out sample.blastn.txt
#BLAST Database error: Error: Not a valid version 4 database.

conda install -c bioconda blast=2.12.0

Refenrence

進階：megablast