串行的blast+2.2.25本地化: blastdbcmd,makeblastdb,blastn.简介
串行的blast+2.2.25本地化系列: blastdbcmd,makeblastdb,blastn.使用简介
-----------------------------------------------------------------------
blast+中有许多命令.
blastdbcmd,makeblastdb是处理数据库较为常用的命令
blastn是核苷酸与核苷酸比对的命令.
以下结果来自 blast+ 2.2.25,
运行平台是 ubuntu 10.04
GCC 4.4.3
------------------------------------------------------------------------
1 blastdbcmd
- 作用: Retrieves sequences or other information from a BLAST database
它相当于以前的fastacmd.利用这个命令,可以从一个blast数据库中获得你想要的信息:
一般的使用如:
例子0:blastdbcmd -db refseq_rna -info
可以查看数据库refseq_rna的信息
例子1:
可以从数据库中提取除gi号为224071016的序列,并且以fasta格式存入文件(当然也可以以其它格式获得序列)
- 注:
gi ID是许多用来标志序列的标识符中的一种.是数据库文件中普遍使用,通行有效的保持索引的形式.
所有来源于NCBI的序列都有一个gi号“gi|gi_identifier”.是绝对唯一的.
而自己利用makeblastdb命令 构建的数据库中,利用以下三种标识符
- gnl|database|identifier
- lcl|identifier
- identifier
这些标识符的作用是
- 区别于gi号
- 在本数据库中使得序列标识符唯一
- 在查询和比对中分辨query序列与subject序列
- 更加详细的参数参照 blastdbcmd -help
------------------------------------------------------------------------------------------
2 makeblastdb
- 作用: Formats input FASTA file(s) into a BLAST database
顾名思义,它的作用是将各种格式的文件转换为一个可供blast算法使用的blast数据库
- 一般的使用如:
-in 后接输入文件，你要格式化的序列
-dbtype 后接序列类型，nucl为核酸，prot为蛋白
-title 给数据库的别名
-input_type 给出输入文件的序列格式.
-parse_seqids 将序列分列
-out 后接数据库名，自己起一个有意义的名字，以后blast+搜索时要用到的-db的参数
-logfile 日志文件，如果没有默认输出到屏幕
- 更加详细的参数参照 makeblastdb -help
----------------------------------------------------------
3 blastn简单介绍
- 作用: 核苷酸序列的比对以及结果分析
- 例子0: 最简单的使用格式
- 例子1:
blastdbcmd -db refseq_rna -entry nm_000249 -out test_query.fa blastn -query test_query.fa -db refseq_rna -task blastn -dust no -outfmt 7 -num_alignments 2 -num_descriptions 2
-task 规定搜索采用的策略:可选为'blastn' 'blastn-short' 'dc-megablast' 'megablast' 'vecscreen'. 默认为`megablast'
- 例子2: 常用的格式:
- blastn -db database_name -query input_file -out output_file -evalue evalue -max_target_seqs num_sequences -num_threads int_value -outfmt "7 qacc sacc evalue length pident"
-evalue 预期的从hit筛选hsp的阈值
-outfmt 选择性输出的一些内容. 如 : 7 代表查询结果表格化并且带有注释行. 而 qacc 以及 sacc等则是自定义的所需的信息.可供选择的信息选项详见 -outfmt参数.-outfmt直接触发分析程序,而不用另外使用分析程序了.
更加详细的参数参照 blastn -help
------------------------------------------------------------------------
经过观察发现: 用于blastn的query序列使用 fasta格式即可. 而数据库则不能直接使用fasta格式.而且数据库实际上是一个文件夹,而非单个文件.
可以使用makeblastdb将fasta格式的文件转化为数据库
另一方面可以用blastdbcmd从数据库中获取信息
-------------------------------------------------------------------------
makeblastdb,blastdbcmd,blastn使用示例:
/****
fasta文件的格式,形如:
> identifier1
ATCG...ATCG
>identifier2
ATCG...ATCG
...
...
...
> identifier3
ATCG...ATCG
****/
现有fasta文件test.fasta如下:
>seq1
ATGTTCAACGCGAAGAACGGTTTTTCTGAGGCACACGTGAGGGGATGTCAGACCAAACGACTCACCAAACAGAACTACGC
CGAACTTTCTCGATGTGACACGTTGGAAGACATCAAGACGTACTTGCAAACGATGAGTGATTATTCAGAATATGTTCGTG
ATCTTCAAGCGCCAGTGAGACCGGTTGACATTATTGAATGCTGCAGAAAGAGACAGATCGCAGAGTTTAATATTTGCTGT
CAGCAGGCTTCTTCCCCTTTGTCCAATTTTTTGGAGTATTTGACGTACGGATACATGATCGATAATCTTGTGTTGGCTTT
>seq2
AAATGGCATGCTTCGTGGACGTACCACAGAGGCAATACTTGAGAAGTGTAGCCCCATTGGTTTTTTCGATTCTTTATCCG
CGGTTGTCGTGTCGAGTAGTGTCCAAGAACTCTACAGACTAGCTCTCGTGGATACACCGCTTGCCTCTTATTTCAGTAGC
TCGATTAAGGCAGAAGATCTGGATGAGTTAAATATTGAGCTCATACGGAACGTCCTATACAAGGAATATTTGCAAGATTT
CATGGTTTTCTGCAACAAAATGGATCAAAACACACGTCAATTGATGGAGAAACTACTTAGCATGGAGGCCGATCGGCACG
>seq3
CGATAAGAATCACACTGAACTCTTTCGGAACAGAGCTTTCCAAGGCTGATCGAAGAAATCTTTATACGAATTTTGGCACC
ATGTACCCCGATGGCTTCGCGCGTCTTGCGAATTGTGAAACGGTAGATGAAGTGAAACGCATACTAGTAGCTTATCCAGA
ATTCAGAGAGTTGACGAAAAGTGATGATCCCCACTACATTGACAGGGGACTACGCGTTCTCGAACTGGAAGCATGTGGAC
AAGCACTCGATGAGCAATTCAATTTCGCTATCTTTTATGCTTTCGTAAAGTTTCAGGAGAACGAAATAAACAACCTGATG
TGGCTCACTGAGTGTGTTGCTCAAAGGCAAAAAAGTAGTCTAGGCGAGGGCATTGTCTACATACAATAG
/***
注意:自己生成的数据库中序列命名有以下三种形式：
a） > gnl|database|identifier
b） > lcl|identifier
c) > identifier
***/
1 makeblastdb使用示例:
1)用命令将test.fasta转化为数据库test_db:makeblastdb -in test.fasta -dbtype nucl -title lidachao -parse_seqids -out test_db
oboyo@oboyo-laptop:~/blast-lastest$ makeblastdb -in test.fasta -dbtype nucl -title lidachao -parse_seqids -out test_db
Building a new DB, current time: 05/19/2011 17:31:55
New DB name: test_db
New DB title: lidachao
Sequence type: Nucleotide
Keep Linkouts: T
Keep MBits: T
Maximum file size: 1073741824B
Adding sequences from FASTA; added 3 sequences in 0.00573689 seconds.
2)格式化数据库后，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）。而其他的序列识别符和索引则包含在.psi和.psd（或.nsi和.nsd）中。
该示例是核苷酸所以生成的数据库文件是: nin , nsq ,nhr , .nsi ,.nsd ,.nog
2 blastdbcmd使用示例
1)查看生成的test_db数据库的信息
- oboyo@oboyo-laptop:~/blast-lastest$ blastdbcmd -db test_db -info
Database: lidachao
3 sequences; 1,029 total bases
Date: May 19, 2011 5:56 PM Longest sequence: 389 bases
Volumes:
/home/oboyo/blast-lastest/test_db
2)从test_db中抽取一段 数据库的序列(seq1),并以fasta形式显示
>lcl|seq1
ATGTTCAACGCGAAGAACGGTTTTTCTGAGGCACACGTGAGGGGATGTCAGACCAAACGACTCACCAAACAGAACTACGC
CGAACTTTCTCGATGTGACACGTTGGAAGACATCAAGACGTACTTGCAAACGATGAGTGATTATTCAGAATATGTTCGTG
ATCTTCAAGCGCCAGTGAGACCGGTTGACATTATTGAATGCTGCAGAAAGAGACAGATCGCAGAGTTTAATATTTGCTGT
CAGCAGGCTTCTTCCCCTTTGTCCAATTTTTTGGAGTATTTGACGTACGGATACATGATCGATAATCTTGTGTTGGCTTT
test_db是自定义的数据库.利用自己的标识符"seq1",可以成功抽取了在数据库中标识符为 lcl|seq1 的序列.
在使用下载的数据库时同样可以使用gi ID 抽取序列.
3)将抽取的序列以fasta格式保存到 test_query文件
- oboyo@oboyo-laptop:~/blast-lastest$ blastdbcmd -db test_db -entry seq1 -out test_query
3 blastn使用示例.
1)利用上面生成 fasta格式的 test_query与 自定义的数据库 test_db进行比对.
- oboyo@oboyo-laptop:~/blast-lastest$ blastn -query test_query -db test_db
BLASTN 2.2.25+
Reference: Zheng Zhang, Scott Schwartz, Lukas Wagner, and Webb
Miller (2000), "A greedy algorithm for aligning DNA sequences", J
Comput Biol 2000; 7(1-2):203-14.
Database: lidachao
3 sequences; 1,029 total letters
Query= lcl|seq1
Length=320
Score E
Sequences producing significant alignments: (Bits) Value
lcl|seq1 592 2e-173
>lcl|seq1
Length=320
Score = 592 bits (320), Expect = 2e-173
Identities = 320/320 (100%), Gaps = 0/320 (0%)
Strand=Plus/Plus
Query 1 ATGTTCAACGCGAAGAACGGTTTTTCTGAGGCACACGTGAGGGGATGTCAGACCAAACGA 60
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct 1 ATGTTCAACGCGAAGAACGGTTTTTCTGAGGCACACGTGAGGGGATGTCAGACCAAACGA 60
Query 61 CTCACCAAACAGAACTACGCCGAACTTTCTCGATGTGACACGTTGGAAGACATCAAGACG 120
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct 61 CTCACCAAACAGAACTACGCCGAACTTTCTCGATGTGACACGTTGGAAGACATCAAGACG 120
Query 121 TACTTGCAAACGATGAGTGATTATTCAGAATATGTTCGTGATCTTCAAGCGCCAGTGAGA 180
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct 121 TACTTGCAAACGATGAGTGATTATTCAGAATATGTTCGTGATCTTCAAGCGCCAGTGAGA 180
Query 181 CCGGTTGACATTATTGAATGCTGCAGAAAGAGACAGATCGCAGAGTTTAATATTTGCTGT 240
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct 181 CCGGTTGACATTATTGAATGCTGCAGAAAGAGACAGATCGCAGAGTTTAATATTTGCTGT 240
Query 241 CAGCAGGCTTCTTCCCCTTTGTCCAATTTTTTGGAGTATTTGACGTACGGATACATGATC 300
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct 241 CAGCAGGCTTCTTCCCCTTTGTCCAATTTTTTGGAGTATTTGACGTACGGATACATGATC 300
Query 301 GATAATCTTGTGTTGGCTTT 320
||||||||||||||||||||
Sbjct 301 GATAATCTTGTGTTGGCTTT 320
Lambda K H
1.33 0.621 1.12
Gapped
Lambda K H
1.28 0.460 0.850
Effective search space used: 307764
Database: lidachao
Posted date: May 19, 2011 5:56 PM
Number of letters in database: 1,029
Number of sequences in database: 3
Matrix: blastn matrix 1 -2
Gap Penalties: Existence: 0, Extension: 2.5
2)选定模式进行输出
- oboyo@oboyo-laptop:~/blast-lastest$ blastn -query test_query -db test_db -task blastn -dust no -outfmt 7 -num_alignments 2 -num_descriptions 2
# BLASTN 2.2.25+
# Query: lcl|seq1
# Database: test_db
# Fields: query id, subject id, % identity, alignment length, mismatches, gap opens, q. start, q. end, s. start, s. end, evalue, bit score
# 1 hits found
lcl|seq1 seq1 100.00 320 0 0 1 320 1 320 2e-169 578
# BLAST processed 1 queries
转自：http://blog.csdn.net/lidachao1/article/details/6433053