BLAST种类及使用方法

BLAST种类
PowerBLAST: PowerBLAST是一个程序，允 许对非常长的序列进行快速的gapped BLAST搜索，它把序列分割开，对每个部分 搜索，然后把结果组装起来。包含在Sequin 中的PowerBlast版本使用了新的强大的 gapped BLAST算法，过滤和物种特异的输 出特点还仍旧保留。 BLAST E-mail服务器: 基于e-mail的序列相 似搜索服务，接受FASTA格式的核酸或蛋白 序列。如果要获得帮助文件，给 blast@写一封只有内容为 HELP的E-Mail。
常用算法
动态规划算法:(dynamic programming)计算 两个序列间的最大可能的相似性，可以处理 碱基替换和间隔(即gap，包括缺失和插入)， 具有很高的敏感性，但是计算量非常大，对 于一对长度分别为m和n个元素的序列需要正 比于m x n次(O(mn)次)比较，只有在超级计 算机或大型并行计算机上才能实现。 间接的启发式算法(indirect, heuristic):是基于 字串的方法，首先将序列分解成由连续字母 组成的短串，把查询序列中的所有字串编成 索引，并且在数据库扫描中查询这些索引， 一个能够揭示出正确的序列关系的比对至少 包含一个两个序列都拥有的字串，这种算法 在速度上大大提高了(FASTP, FASTA) 。
BLAST简介
BLAST是Basic Local Alignment Search Tool的缩写，它结合了上述两 种算法的优点，提高了搜索速度，同 时把数据库搜索建立在了严格的统计 学基础之上，是目前最常用的同源检 索工具，由Altschul SF et al (1990)提 出的算法。 参考文献: S. F. Altschul, W. Gish, W. Miller, E. W. Myers and D. J. Lipman. Basic Local Alignment Search Tool. J. Mol. Biol. 215:403-410 (1990)
BLAST种类
单独的BLAST(standalone blast): 下 载可用于本地执行使用的BLAST。二 进制版本有IRIX 6.2，Solaris 2.6， DEC OSF1 (ver. 4.0d)，LINUX和 Win32系统。BLAST数据库同样可以 下载。
Blast Search Strategy
BLAST种类
IgBLAST: IgBLAST被开发出来以便于分析在 GenBank中的免疫球蛋白的序列。它允许用 blastp或blastn来搜索nr数据库或一个由免疫球 蛋白生殖系变化区基因的特殊的数据库。搜索 可以限制在人类或小鼠的基因。 IgBLAST执行三个主要的功能： 1)报告与查询序列最相似的可变，D，或J区， 2)根据Kabat et al.来注解免疫球蛋白domains （从FWR1到FWR3）， 3)对于搜索核酸或蛋白nr数据库，通过匹配 IgBLAST的发现和最接近的生殖系变化区基因来 简化识别相关序列的过程。
Terms
Identical (相同) When a corresponding character is shared between two species or populations, that character is said to be identical. Similar (相似) The degree to which two species or populations share identities. Analogous (类似) When characters are similar due to convergent evolution(趋同进化), they are analogous.
Terms
Homologous (同源) When characters are similar due to common ancestry, they are homologous. Orthologous (直系同源) When characters are homologous with conserverd function, they are orthologous. Paralogous (旁系同源) When characters are homologous with divergent function, they are paralogous.
formatdb introduction
建库命令：formatdb 功能：创建三个主要的文件——库索引 (indices)，序列(sequences)和头 (headers)文件。 生成的文件的扩展名 分别是： .pin、 .psq、 .phr（对蛋白质 序列）或.nin、.nsq、.nhr（对核酸序 列）。 另外，为便于查找还有一些ISAM索引 文件同时生成： .pni和.pnd（或.nni 和.nnd）文件，其中的数字索引只包含 gi号；而其他的序列识别符和索引则包 含在.psi和.psd（或.nsi和.nsd）中。
Matrix
第一个广泛使用的最优矩阵建立在进化的点 突变模型上的PAM矩阵，一个PAM就是一 个进化的变异单位即1%的氨基酸改变。每 个氨基酸随机发生取代的频率称为背景频 率，在相关蛋白中，已经发现的取代频率称 为目标频率，矩阵中的取代分值同目标频率 于背景频率的比值的自然对数成比例。目标 频率大大地倾向于那些不影响蛋白质功能的 取代，说明这些点突变已经被进化所接受。 在比较差异极大的序列时，通常在较高的 PAM值处得到最佳结果，比如在PAM200到 250之间，较低值的PAM矩阵一般使用于高 度相似的序列。
找出待检索序列A中所有长度为w的连续片段 a1,a2,a3, …ai …, 对 于 每 一 条 片 段 ， 以 BLOSUM62或PAM120矩阵为替换规则，计 算出所有分值高于T的w长度的序列 bi1,bi2,bi3 … T is referred to as the neighborhood word score threshold 以所有分值大于T的w长度序列bij 为待检索序 列，从数据库中检索出所有包含有bij 的发分 子序列B 从比对处向两端延伸，每一对元素，match加 分，mismatch减分，直到形成一定长度的片 段，对于这个片段已无法再提高分值，这个 片段称为HSP(high-scoring segment pair，高 分片段对)，这就是同源比对的最终结果。
BLAST—Basic Local Alignment Search Tool
Efficient Database Searching Methods
Goals:
identify an unknown sequence find other members of multigene families find related proteins determine which regions are conserved between proteins or nucleic acids (i.e. most biologically significant) find overlapping regions when assembling sequencing reactions into a final sequence
Global vs. Local Algorithms
全局比对是找出两个序列全长的
最优比对
局部比对则着眼于两个序列是否
有局部序列的相似性，因为许多 序列在全程范围内并不具有相似 性 ，而只有于结构功能密切相 关的保守片段有相似性，所以， 在大多数情况下，使用局部比对 是较为合理的。
Global vs. Local Algorithms
System recommendations
在Unix和NT架构（Windows NT、 2000和XP）的系统上，BLAST使用了 “memory-mapped files”，所以如果 BLAST可以将整个数据库都读入内 存，它可以明显的提高速度。 一般对于BLAST而言，一个系统的内 存要比它的CPU的速度更加重要。 因此对于运行BLAST的系统，最好具 备足够的内存来应付一些较大的数据 库的需求。
Similarity & Homology
同源和相似是两个不同的概念。 相似性是指一种很直接的数量关 系，比如部分相同或相似的百分 比或其它一些合适的度量 (measurement)，而同源性是指 从一些数据中推断出的两个基因 在进化上曾具有共同祖先的结 论，它是质的判断(judgment)。
Relationship
BLAST种类：
QBLAST :一种新的系统，允许用户以他们方 便的方式检索Gapped BLAST结果，并且可以 用各种格式选项多次格式化他们的结果。这 个系统也使NCBI更有效的使用计算资源，更 好的为大家服务。 PHI-BLAST(Pattern-Hit Initiated BLAST): 模 式发现迭代BLAST —— 用蛋白查询来搜索蛋 白数据库的一个程序。仅仅找出那些查询序 列中含有的特殊模式的比对。
formatdb options
常用参数：
-t : 数据库的标题 -i : 需要创建数据库的文件名 -l : 日志文件名 -p：文件数据类型，F表示是核苷酸 数据，T表示是蛋白质数据，缺省值T -o：解析选项，T表示解析序列文件 并产生索引文件，F则不解析，缺省 值F -n： 数据库文件的base name
BLAST种类：
Gapped BLAST (2.0): 新版BLAST，允许在它 产生的比对(alignments)中存在缺口(gap)。 PSI-BLAST(Position-Specific Iterated BLAST) :位点特异迭代BLAST——用蛋白查 询来搜索蛋白数据库的一个程序。所有被 BLAST发现的统计有效的比对被综合起来形 成一个多重比对。从这个比对，一个位置特 异的分值矩阵建立起来。这个矩阵被用来搜 索数据库，以找到额外的显著比对，这个过 程可能被反复迭代一直到没有新的比对可以 被发现。它是目前BLAST程序家族中敏感性 最高的。