blast与blast+使用（参数、输出文件格式）

一、BLAST+（NCBI发布于2009年）

下载地址：https://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/

1、建库

makeblastdb -in db.fasta -dbtype prot -out dbname

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
-parse_seqids：解析序列标识（建议加上）
-out：数据库名
-title：数据库名（略）
-logfile：日志文件，默认输出到屏幕
更多参数 makeblastdb -help
2、比对

blastp -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_threads 4

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格式对应之前BLAST的m8格式
-evalue：设置输出结果的e-value值
-num_alignments 显示比对数Default = 250
-num_descriptions：单行描述的最大数目 default=50
-num_threads：线程数
更多参数 blastp -help

3、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)

blastn -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_threads 4
blastx -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_threads 4

4、文件格式
重点是-outfmt 6，也就是之前版本的m 8格式
结果中从左到右每一列的意义分别是：

Query_id    Subject_id   %_identity alignment_length   mismatches   gap_openings  q. start  q. end   s. start   s. end   e-value  bit_score
AKS24976.1  ABU86350.1  25.446  224 149 9   713 931 2   212 3.23e-05    38.1
AKS24976.1  ABU86150.1  38.596  57  34  1   599 655 16  71  8.09e-05    36.6
AKS24976.1  ABU86161.1  38.667  75  42  2   578 652 14  84  9.06e-05    37.0
AKS24976.1  ABU86160.1  38.667  75  42  2   578 652 14  84  9.06e-05    37.0
AKS24976.1  ABU86162.1  38.667  75  42  2   578 652 14  84  9.31e-05    37.0
AKS24976.1  ABU86154.1  38.596  57  34  1   599 655 16  71  9.70e-05    36.6
AKS24976.1  ABU86152.1  38.596  57  34  1   599 655 16  71  9.70e-05    36.6
AKS24976.1  ABU86329.1  39.130  69  38  2   599 664 83  150 2.51e-04    34.7
AKS24976.1  ABU86326.1  39.130  69  38  2   599 664 83  150 2.51e-04    34.7
AKS24976.1  ABU86325.1  39.130  69  38  2   599 664 83  150 2.51e-04    34.7

二、blast

1、建库

formatdb -i db.seq -p T -o T -l logfile

主要参数:
-i 输入需要格式化的源数据库名称
-p 文件类型，是核苷酸序列数据库（F - nucleotide）/蛋白质序列数据库（T – protein），default = T
-a 输入数据库的格式是否为ASN.1/FASTA [T/F]，default = F
-o 解析选项：解析序列标识并且建立目录[T/F]，default = F
-l 自定义log文件命令default=formatdb.log，记录运行时间、版本号、序列数目等
-n 自定义库文件命名
建库结果：
如果建立的是核酸库，输出为db.seq.nhr、db.seq.nin、db.seq.nsq三个文件，若选择了“-o T”，还会同时输出db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd四个文件，一共七个。
蛋白库和核酸库的输出类似，相应的输出文件为：db.seq.nhr、db.seq.nin、db.seq.nsq和db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd七个文件。
2、比对

blastall -i seq.fa -d db.fa -o blast.out -p blastp -F F -m 8 -e 1e-5 -b 10 -v 10 -a 2

主要参数：
以上流程中所用参数：
-i 所用查询序列文件
-d 所用序列数据库的名称 default=nr
-o BLAST结果的输出文件
-p 所用程序名称: blastn，blastp，blastx，tblastn，tblastx
-F 查询序列过滤：将那些给出影响比对结果的低复杂度区域过滤掉 default = T
-m 比对结果显示格式 defalut=0
-e 期望值，描述搜索某一特定数据库时，随机出现的匹配序列数目default = 10.0
-b 显示比对结果的最大数目 default=250
-v 单行描述的最大数目 default=500
-a 使用处理器的数目 default = 1（单机）

-m 比对结果格式选项:

1 = query-anchored showing identities,查询-比上区域，显示一致性
2 = query-anchored no identities,查询-比上区域，不显示一致性
3 = flat query-anchored, show identities,查询-比上区域的屏文形式，显示一致性
4 = flat query-anchored, no identities,查询-比上区域的屏文形式，不显示一致性
5 = query-anchored no identities and blunt ends,查询-比上区域，不显示一致性，无突然的结束
6 = flat query-anchored, no identities and blunt ends,查询-比上区域的屏文形式，不显示一致性
7 = XML Blast output,XML格式的输出
8 = tabular,TAB格式的输出
9 =tabular with comment lines,带注释行的TAB格式的输出
10 =ASN, text,文本方式的ASN格式输出
11 =ASN, binary [Integer] default = 0,二进制方式的ASN格式输出

m8格式12列结果：

Query id, Subject id, % identity, alignment length, mismatches, gap openings, q.start, q.end, s.start, s.end, e-value, bit score
第一列为Query(递交序列)，
第二列为数据库序列(目标序列subejct)，
第三列为: identity
第四列为：比对长度
第五列为：错配数
第六列为：gap数
第七列和第八列为：Query开始碱基位置和结束碱基位置
第九列和第十列为：Subject开始碱基位置和结束碱基位置
第十一列为：期望值
第十二列为：比对得分

参考：
https://www.jianshu.com/p/2c4c53b74594 --->三种比对方式
http://blog.sciencenet.cn/blog-299308-1142875.html --->详细格式