2021.01.05【读书笔记】丨生物信息学与功能基因组学（第四章 局部比对搜索基本工具-BLAST 上）

• 学习目标
  • 学会在NCBI网站上进行BLAST搜索
  • 理解BLAST各个参数的用途
  • 理解BLAST搜索的三个步骤（整理，扫描/延伸，回溯）;
  • 理解BLAST E值和分数的数学关系；
  • 阐明BLAST搜索的策略
• 引言
  • 基本局部比对搜索工具（BLAST）是NCBI的一个主要工具，可用来将一个蛋白质或者DNA序列与各种数据库中其他序列进行比对。
  • 应用：
    • 通过蛋白质/核酸序列，寻找一只的直系同源和旁系同源序列
    • 通过特定物种，确定其存在的蛋白质和基因
    • 确定一个DNA或蛋白质序列的身份
    • 发现新基因
    • 对于特定蛋白或基因，确定有哪些变种已经被描述
    • 考察可能发生选择性剪接的表达序列标签（ESTs）
    • 探索对一个蛋白质结构/功能其重要作用的氨基酸残基
  • 网页版搜索步骤：
    • 1.选择一个感兴趣的序列，粘贴，输入或上传至BLAST网站的输入栏中
    • 2.选择一个BLAST程序（BLASTP、BLASTN等）
    • 3.选择一个搜索数据库（nr/nt）
    • 4.选择对搜索和输出结果进行调整的参数，包括替换矩阵、筛选低复杂度的序列以及将搜索范围限制在某些特定的物种中等。
    • 
• BLAST搜索步骤BLAST算法使用局部比对搜索的策略
  • 1.选定感兴趣的序列
    • 两种输入方式：
      • 粘贴DNA/蛋白质序列
      • 输入索引编码。
  • 2.选择BLAST程序
    • 五个主要程序
      • BLASTP：核酸（na）序列与一个蛋白质（aa）数据库比对
      • BLASTN：na序列与na数据库比对
      • BLASTX：na序列翻译成6种开放阅读框（ORF）蛋白序列，与aa数据库比对（6：1）
        • 
      • TBLASTN：aa序列与翻译成6种开放阅读框（ORF）的na数据库比对（逆向BLASTX，1：6）
      • TBLASTX：na序列翻译成6种开放阅读框（ORF）序列与翻译成6种开放阅读框（ORF）的na数据库比对（6：6）
      • 
  • 3.选择数据库
    • 默认nr数据库
    • 其他蛋白质序列数据库
      • 
    • 其他DNA序列数据库
      • 
  • 4.选择参数
    • 搜索参数：
      • Query（查询序列）：序列、索引编号、GI编号
      • Limit by Entrez Query(限定搜索):可以用Entrez搜索所用的名词来进行限定（作者、物种等）
      • Max target sequence（显示条目）：默认100，可以修改
      • Short queries（短查询序列）：修改此数值会影响期望值和字段长度
      • Expected threshold（期望值阈值）：
        • 期望值E是在一个数据库搜索中大于等于比对分数S的偶然发生的不同比对的个数。默认值为10
        • 
      • Word size（单词长度）：默认为3，对BLASTP而言，大的单词长度会得到更精确的搜索结果。
      • Max matches in a query range（查询区域内的最大匹配数）：有时在感兴趣区域内的匹配会被其他区域出现的频繁匹配所掩盖，这个选项允许抛弃数据库中的冗余匹配。
      • Matrix（矩阵）：对于BLASTP，共有8个氨基酸替换矩阵可选择，默认BLOSUM62。
        • 对于短序列查询，建议使用PAM30矩阵（https://share.mubu.com/doc/3a3Wxo_Lzru）。
      • Gap costs（空位成本）：空位分数包括打开罚分和延伸罚分，空位成本被设定为G（10，15），L（1，2），又叫仿射空位罚分。
      • Compositional adjustment（组成校正）：一个标准矩阵不适用于两个存在不标准组成的蛋白质之间的比对，其目标频率需要在新的背景频率下进行校正。
      • Filter（筛选）：可以遮盖查询序列中的地复杂图部分。
      • Masking（遮盖）：对超过预支与数据库匹配的单词进行着改，避免匹配到低复杂度序列或重复片段。
      • 
    • 格式参数*（已更新，略过）：
      • 最上方是种类、序列和数据库介绍以及按物种排列的链接
      • 
  • 5.比对结果展示
    • 4.8为图示总结，包括保守区域以及基于颜色编码的总结、沿x轴的表示查询序列的长度。下方每一条表示从数据库比对出来蛋白质序列。
      • 
    • 4.9描述了比对结果根据期望值E升序进行排序，则最显著的结果在最上方。每一行对应物种描述、比对分数、序列覆盖度、期望值E、一致性百分数和索引编号。
      • 
      • 勾选多个序列可进行多重比对（4.10）
        • 
  • 客户端BLAST*（不常用，略）
•