NCBI_blast_使用教程ppt课件

1、生物序列的类似性搜索 blast简介及其运用2005年3月.序列数据的保管格式与相关数据库资源在数据库中进展序列类似性搜索多序列比对进化树构建与分子进化分析Motif的寻觅与序列的方式识别RNA二级构造，蛋白质二、三级构造的预测基因芯片的数据分析生物信息学常见的运用与软件.内容提要1.根本概念 类似性，同源性2.Blast引见 Blast资源和相关问题3.Blast的运用 网络版，单机版4.深化了解Blast(改良程序，算法根底)5.其他的序列类似性搜索工具fasta.生物序列的类似性类似性(similarity)： 是指一种很直接的数量关系，比如部分一样或类似的百分比或其它一些适宜的度量。比

2、如说，A序列和B序列的类似性是80，或者4/5。这是个量化的关系。当然可进展本身部分比较。.同源性(homology)： 指从一些数据中推断出的两个基因或蛋白质序列具而共同祖先的结论，属于质的判别。就是说A和B的关系上，只需是同源序列，或者非同源序列两种关系。而说A和B的同源性为80都是不科学的。生物序列的同源性.类似性和同源性关系序列的类似性和序列的同源性有一定的关系，普通来说序列间的类似性越高的话，它们是同源序列的能够性就更高，所以经常可以经过序列的类似性来推测序列能否同源。 正由于存在这样的关系，很多时候对序列的类似性和同源性就没有做很明显的区分，呵斥经常等价混用两个名词。所以有出现A序

3、列和B序列的同源性为80一说。.序列类似性比较和序列同源性分析序列类似性比较： 就是将待研讨序列与DNA或蛋白质序列库进展比较，用于确定该序列的生物属性，也就是找出与此序列类似的知序列是什么。完成这一任务只需求运用两两序列比较算法。常用的程序包有BLAST、FASTA等；序列同源性分析： 是将待研讨序列参与到一组与之同源，但来自不同物种的序列中进展多序列同时比较，以确定该序列与其它序列间的同源性大小。这是实际分析方法中最关键的一步。完成这一任务必需运用多序列比较算法。常用的程序包有CLUSTAL等；.Blast简介一 BLAST 是由美国国立生物技术信息中心NCBI开发的一个基于序列类似性的数

4、据库搜索程序。 BLAST是“部分类似性根本查询工具(Basic Local Alignment Search Tool)的 缩写。. Blast 是一个序列类似性搜索的程序包，其中包含了很多个独立的程序，这些程序是根据查询的对象和数据库的不同来定义的。比如说查询的序列为核酸，查询数据库亦为核酸序列数据库，那么就应该选择blastn程序。下表列出了主要的blast程序。Blast简介二.主要的blast程序程序名查询序列数据库搜索方法Blastn核酸核酸核酸序列搜索逐一核酸数据库中的序列Blastp蛋白质蛋白质蛋白质序列搜索逐一蛋白质数据库中的序列Blastx核酸蛋白质核酸序列6框翻译成蛋白质

5、序列后和蛋白质数据库中的序列逐一搜索。Tblastn蛋白质核酸蛋白质序列和核酸数据库中的核酸序列6框翻译后的蛋白质序列逐一比对。TBlastx核酸核酸核酸序列6框翻译成蛋白质序列，再和核酸数据库中的核酸序列6框翻译成的蛋白质序列逐一进行比对。.Blast相关的问题怎样获得blast效力,怎样运用的问题？为什么运用blast，可以获得什么样的信息？其他问题：实践运用时选择哪种方式网络，本地化，参数的选择，结果的解释.Blast资源1.NCBI主站点： /BLAST/(网络版) /blast/ (单机版)2.其他站点： /blast/ nema.cap.ed.ac.uk/ncbi_blast.ht

6、ml /blast/果蝇 .Blast结果给出的信息 Blast结果会列出跟查询序列类似性比较高，符合限定要求的序列结果，根据这些结果可以获取以下一些信息。1.查询序列能够具有某种功能2.查询序列能够是来源于某个物种3.查询序列能够是某种功能基因的同源基因这些信息都可以运用到后续分析中。.两种版本的Blast比较一网络版本 包括NCBI在内的很多网站都提供了在线的blast效力，这也是我们最经常用到的blast效力。网络版本的blast效力就有方便，容易操作，数据库同步更新等优点。但是缺陷是不利于操作大批量的数据，同时也不能本人定义搜索的数据库。.单机版 单机版的blast可以经过NCBI的f

7、tp站点获得，有适宜不同平台的版本包括linux，dos等。获得程序的同时必需获取相应的数据库才干在本地进展blast分析。单机版的优点是可以处置大批的数据，可以本人定义数据库，但是需求耗费本地机的大量资源，此外操作也没有网络版直观、方便，需求一定的计算机操作程度。两种版本的Blast比较二.本地WEB版的Blast 在NCBI的FTP上，在blast程序的目录下，还提供了一种供用户在本人的效力器上建立Blast网页效力的软件包(wwwblast)。 运用该软件包，用户可以建立一个简易的进展Blast运算的网站供实验室人员运用。用于搜索的数据库同样可以灵敏的定义。.Blast程序评价序列类似性

8、的两个数据Score：运用打分矩阵对匹配的片段进展打分，这是对各对氨基酸残基或碱基打分求和的结果，普通来说，匹配片段越长、 类似性越高那么Score值越大。E value:在一样长度的情况下，两个氨基酸残基或碱基随机陈列的序列进展打分，得到上述Score值的概率的大小。E值越小表示随机情况下得到该Score值的能够性越低。.NCBI提供的Blast效力登陆ncbi的blast主页核酸序列蛋白序列翻译序列底下有其他一些针对特殊数据库的和查看以往的比对结果等.Blast义务提交表单一1.序列信息部分填入查询query的序列序列范围默许全部选择搜索数据库假设接受其他参数默许设置，点击开场搜索.Bla

9、st义务提交表单二设置搜索的范围，entrez关键词，或者选择特定物种2.设置各种参数部分一些过滤选项，包括简单反复序列，人类基因组中的反复序列等E值上限窗口大小假设他对blast的命令行选项熟习的话，可以在这里参与更多的参数.Blast义务提交表单三3.设置结果输出显示格式选择需求显示的选项以及显示的文件格式显示数目Alignment的显示方式挑选结果E值范围其他一些显示格式参数点击开场搜索.提交义务前往查询号request id可以修正显示结果格式修正完显示格式后点击进入结果界面.结果页面一图形表示结果.结果页面二目的序列描画部分带有genbank的链接，点击可以进入相应的genbank序

10、列匹配情况，分值，e值.结果页面三详细的比对上的序列的陈列情况.一个详细的例子blastp假设以下为一未知蛋白序列query_seq MSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMASGGGETALALLLLDRLNQLES

11、KVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADST QA 我们经过blast搜索来获取一些这个序列的信息。.详细步骤1.登陆blast主页 /BLAST/2.根据数据类型，选择适宜的程序3.填写表单信息4.提交义务5.查看和分析结果.分析过程一1.登陆ncbi的blast主页

12、2.选择程序，由于查询序列是蛋白序列可以选择blastp，点击进入也可以选择tblastn作为演示，我们这里选blastp.分析过程二3.填入序列copypasteFasta格式，或者纯序列4.选择搜索区域，这里我们要搜索整个序列，不填5.选择搜索数据库，这里我们选nr(非冗余的蛋白序列库)。能否搜索保守区域数据库cdd，蛋白序列搜索才有。我们选上.分析过程三6.限制条件，我们限制在病毒里面找。7.其他选项坚持默许值打分矩阵.分析过程四8.输出格式选项坚持默许值9.点击开场搜索.分析过程五10.查询序列的一些相关信息在cdd库里面找到两个保守区域，点击可以进入.分析过程六图形结果.分析过程七匹

13、配序列列表.分析过程八详细匹配情况.为什么运用单机版的Blast？1.特殊的数据库要求。2.涉及序列的隐私与价值。3.批量处置4.其他缘由？单机版的Blast运用一.单机版Blast的根本操作过程1.下载单机版的Blast程序/blast/executables/目录下，下载对应的操作系统版本。2.解压程序包(blast-2.28-ia32-linux.tar.gz)命令是:$ tar zxvf blast-2.28-ia32-linux.tar.gz单机版的Blast运用二.下载正确的Blast程序包blast:在本地运转的blast程序包wwwblast:在本地效力器建立blast效力的网

14、站netblast:blast的客户端程序，直接链接至NCBI的BLAST效力器，运用BLAST效力，不需阅读器。.下载正确的Blast程序包 Blast程序包的名字上还包括了该程序包运转的硬件和操作系统环境：硬件环境CPU操作系统sparcpowerPCia32ia64amd64mipsalphalinuxmacoxsolarisirixaixfreebsdwin32hpux.3.获取Blast数据库a.直接从ncbi下载/blast/db/b.用Blast程序包提供的formatdb工具本人格式化序列数据成数据库。假设有一序列数据sequence.fa，多序列，fasta格式，欲本人做成B

15、last数据库，典型的命令如下：单机版的Blast运用三.核酸序列：$ ./formatdb i sequence.fa p F o T/F n db_name蛋白序列：$ ./formatdb i sequence.fa p T o T/F n db_name单机版的Blast运用四.4.执行Blast比对获得了单机版的Blast程序，解压开以后，假设有了相应的数据库db，那么就可以开场执行Blast分析了。单机版的Blast程序包，把根本的blast分析，包括blastn，blastp，blastx等都整合到了blastall一个程序里面。单机版的Blast运用五.以下是一个典型的blas

16、tn分析命令：(待分析序列seq.fa，数据库nt_db)$./blastall p blastn i seq.fa -d nt_db w 7 e 10 o 程序名 输入 数据库 窗口 e值 输出seq.blastn.out 该命令的意思是，对seq.fa文件中的核酸序列对nt_db数据库执行blastn搜索，窗口大小是7，e值限制是10，输出的结果保管到文件seq.blastn.out 中。单机版的Blast运用六.5.Blastall的常用参数-p 程序名应该是blastn，blastp，blastx，tblastn，tblastx中的一个-d 数据库称号，默许nr-i 查询序列文件，默许

17、stdin-e E值限制，默许10-o 结果输出文件，默许stdout-F 过滤选项，默许T-a 选择进展运算的CPU个数单机版的Blast运用七.进一步深化Blast1.blast22.Megablast3.Psi-blast4.其他(rpsblast,blastclust等).Blast2 两个序列的blast比对，给定两个序列，相互进展blast比对。能快速检查两个序列能否存在类似性片断或者能否一致。这比起全序列比对要快很多。.Megablast megablast采用了贪婪算法(greedy algorithm),它衔接了多个查询序列进展一次搜索比对，这样节省了很多搜索数据库的时间。主

18、要针对核酸序列。是blast经过优化后，适用于由于测序或者其他缘由构成的细微的差别的序列之间的比较，比普通的类似性搜索程序要快10倍，可以很快的完成两组大数据的比对。.PSI-blast Position specific iterative BLAST (PSI-BLAST) 位点特异的迭代blast搜索，主要针对蛋白序列。第一次blast搜索后，结果中最类似的序列重新构建PSSM (位点特异性打分矩阵)，然后再运用该矩阵进展第二轮blast搜索，再调整矩阵，搜索，如此迭代。 最终高度保守的区域就会得到比较高的分值，而不保守的区域那么分数降低，趋近0。 这样可以提高blast搜索的灵敏度。.

19、Blast的算法根底根本思想是：经过产生数量更少的但质量更好的加强点来提高速度。BALST算法是建立在严厉的统计学的根底之上的。它集中于发现具有较高的类似性的部分比对，且部分比对中不能含有空位blast2.0引入了允许插入gap的算法。由于部分比对的限制条件，在大多数情况下比对会被分解为假设干个明显的HSP(High-score Sequence Pairs)。.Blast的算法流程.首先确定一个终止值S、步长参数w和一个阈值T。然后软件会在思索搜索背景性质的根底上计算出适宜的S值。使要比对的序列中包含一个分值不小于S的HSP。Blast的算法一.Blast的算法二2. 引入临近字串的思想：不

20、需求字串确切地匹配，当有一个字串的分值高于T时，BALST就声称找到了一个选中的字串。为了提高速度，允许较长的字串长度W。W值很少变化，这样，T值就成为权衡速度和敏感度的参数。.Blast的算法三一个字串选中后，程序会进展没有空位的部分寻优，比对的最低分值是S，当比对延伸时会遇到一些负的分值，使得比对的分值下降，当下降的分值小于S时，命中的延伸就会终止。这样系统会减少耗费于毫无指望的选中延伸的时间，使系统的性能得以改良。.在1997年提出了对BLAST程序的改良算法，提高了搜索速度、敏感度和适用性。可处置间隔(gap)的gapped BLAST算法PSI-BLAST算法对一个选中字串长度规范的

21、延伸 利用profile(表头文件)的数据构造来进展搜索Blast的改良一.以两个步长各为w的字串开场搜索 。假设两个字窜在序列上不重叠，并且位于同一对角线上，并且间隔在A之内，那么将这两个字串联起来作为搜索的起点。执行通常的BLAST算法，运用一种不同的记分方式，根据高度显著比对(HSPs)的最高分值建立一个最初的profile。 Blast的改良二.根据该profile反复利用BLAST算法对数据库进展搜索，这一步实践上是根据表头文件的统计结果扩展部分比对。这一过程是反复进展的，直到再没有发现新的有意义的匹配为止。由于在每一轮都会有新的片段参与，因此在操作过程中profile需求在每一个循

22、环终了之后更新。 Blast的改良三.数据库搜索工具的sensitivity与selectivitySensitivity:尽能够多地搜索到具有一定类似性的序列的才干。Selectivity:尽能够准确地搜索到对研讨目的有用的类似性的序列的才干。.其他的序列类似性搜索工具 fasta FastA算法是由Lipman和Pearson于1985年发表的Lipman和Pearson，1985。FastA的根本思绪是识别与代查序列相匹配的很短的序列片段，称为k-tuple。以下链接是EBI提供的fasta效力。 ebi.ac.uk/fasta33/ .协助信息各个参数选项填入搜索序列.根本思想是：一个

23、可以提示出真实的序列关系的比对至少包含一个两个序列都拥有的字(片断)，把查询序列中的所用字编成索引，然后在数据库搜索时查询这些索引，以检索出能够的匹配，这样那些命中的字很快被鉴定出来。FASTA算法根底.确定参数ktup，在两个序列中查找长度为ktup的、相匹配的片段(加强点)。为了提高速度，可以经过查询表格或hash表来完成，然后在表格中搜索与另一条序列相匹配的、长度为ktup的片段。FASTA算法一.2. 在同一条对角线中临近的加强点成为一个加强段。每一个加强点都赋予一个正的分值，一个加强段中相邻的两个加强点之间的不匹配区域赋予一定的负值。一个加强段对应于一段相匹配的子序列，分值最高的段被标志为init1。FASTA算法二.引入indel。把那些没有重叠(non-overlap)的加强段拼接起来(加强段的分值之和减去空位处分)。分值最高的区域记为initn。FASTA算法三.4. 对最有能够的匹配序列进一步评分：以加强段init1所在的对角线为中心，划分出一个较狭窄的对角线带，利用S-W算法，来获得分值最高的部分比对，记作o