BLAST+:NCBI新的一套BLAST工具

2012/10/13评论7,124

BLAST+与BLAST比较

BLAST已经成为序列比对软件代名词，且其词性也已经开始变化，诸如BLASTing之类的词汇在各种论文中已是屡见不鲜，可见其影响之深，使用之广，如同分子生物学领域中的PCR。

自从1997年释出现有的BLAST版本后，这十多年来，BLAST经历了多次的升级，功能、性能一版比一版好，相应的其Source code也被修改的凌乱不堪，难于维护，极大的限制了对BLAST进一步的修改、功能提升。再加上NCBI C++ Toolkit项目的开展，促使BLAST的维护者们决定从头开始，重新编写 BLAST代码。

2009年7月，NCBI发布了BLAST升级版——BLAST+，BLAST+使用了BLAST的核心算法，延续了BLAST的优势功能，发展并增强了如BLAST的fastacmd程序，新增了如update_blastdb.pl等程序。下面简单列举此次修改的主要内容：

高度模块化是本次修改的主要目标，不仅从理论上，更是从代码上明确模块化了BLAST的三个过程：setup, scanning, trace-back。
选择的ISO C99标准，使得源代码可以同时被c以及c++使用，不需要做任何修改。
Database mask：之前的版本需要第三方软件如RepeatMasker来mask数据库，c现在内置了WindowMasker和DUST来进行重复序列过滤。
使用Query split, Partial subject sequence retrieval以及Retrieving subject sequences from an arbitrary source等策略来提高长序列（如染色体序列）的比对效率，有效的降低了CPU时间，充分使用了一、二级缓存。
全新的命令行参数使用方式，添加了长字符串作为参数的支持，如-out，而不是以前的-o，关于每一个程序其具体的命令行参数，可以通过添加-help参数来查阅。
分离blastn, blastp, blastx等作为独立的程序以替代之前的blastall -p blastn模式。
makeblastdb, blastdb_aliastool, blastdbcmd三个程序都和数据库有关，增强了数据库方面的处理。
添加 Best-Hit算法，只报告最优的Hit。比较有意思的是，最新的FASTA (version 36) 程序学习BLAST添加了multi-HSP 的功能，而BLAST+却学习FASTA添加了Best-Hit的功能。互相学习，互相提高。其实，在BLAST是学习并消化吸收了一大批文章中的先进成果而发展起来的，例如MPBLAST, BLAST++, miBLAST, BLAT等。
添加了保存search strategy的功能，所谓search strategy也就是程序运行时的参数等信息（还包括对数据库的一些定制，详细信息会在后面的文章中介绍）。

总之，对于广大用户来说，BLAST+的发布绝对是一个好消息。它是对BLAST的一个全新设计，其在性能（主要对长序列的比对）以及易用性上均有了很大提高，尤其在易用性上。同时对于开发者来说，也是一个“解脱”，清晰的模块化将会极大的提高维护者的效率。

BLAST+的下载与使用

下面简要介绍一下BLAST+的使用：

BLAST+与BLAST相比，有很多改进和提高，前面已经有所介绍。NCBI强烈推荐放弃BLAST，使用BLAST+，这里说的BLAST和BLAST+，都是本地单机版程序。

程序下载FTP地址：ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/

格式化数据库

[code lang="plain"]makeblastdb -in db.fasta -dbtype prot -parse_seqids -out dbname[/code]
参数说明:
-in：待格式化的序列文件
-dbtype：数据库类型，prot或nucl
-out：数据库名

蛋白序列比对蛋白数据库（blastp）

[code lang="plain"]
blastp -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_descriptions 10 -num_threads 8
[/code]
参数说明:
-query：输入文件路径及文件名
-out：输出文件路径及文件名
-db：格式化了的数据库路径及数据库名
-outfmt：输出文件格式，总共有12种格式，6是tabular格式对应BLAST的m8格式
-evalue：设置输出结果的e-value值
-num_descriptions：tabular格式输出结果的条数
-num_threads：线程数

附：Blast结果m8格式意义
进行Blast比对，用参数-m 8可以以列表的方式输出结果，结果中从左到右每一列的意义分别是：
[00] Query id
[01] Subject id
[02] % identity
[03] alignment length
[04] mismatches
[05] gap openings
[06] q. start
[07] q. end
[08] s. start
[09] s. end
[10] e-value
[11] bit score

核酸序列比对核酸数据库（blastn）以及核酸序列比对蛋白数据库（blastx）

与上面的blastp用法类似：
[code lang="plain"]
blastn -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_descriptions 10 -num_threads 8
blastx -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_descriptions 10 -num_threads 8
[/code]

参考来源：

http://www.xinkexue.com/blog-2002-1546.html

http://www.yelinsky.com/blog/archives/421.html

BLAST+与BLAST比较

BLAST+的下载与使用

发表评论