Blast使用技巧解析

生物序列的相像性搜寻

－blast简介及其应用2生物序列的相像性相像性(similarity)：是指一种很干脆的数量关系，比如部分相同或相像的百分比或其它一些合适的度量。比如说，A序列和B序列的相像性是80％，或者4/5。这是个量化的关系。当然可进行自身局部比较。3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，属于质的推断。就是说A和B的关系上，只有是同源序列，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4相像性和同源性关系序列的相像性和序列的同源性有确定的关系，一般来说序列间的相像性越高的话，它们是同源序列的可能性就更高，所以常常可以通过序列的相像性来推想序列是否同源。正因为存在这样的关系，很多时候对序列的相像性和同源性就没有做很明显的区分，造成常常等价混用两个名词。所以有出现A序列和B序列的同源性为80％一说。5数据库搜寻目的确定特定的蛋白质或核酸序列有哪些已知的直系同源或旁系同源序列。确定哪些蛋白质和基因在特定的物种中出现。确定一个DNA或蛋白质序列身份。发觉新基因。找寻对于一个蛋白质的功能或结构起关键作用的氨基酸残基。6Blast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相像性的数据库搜寻程序。BLAST是“局部相像性基本查询工具”(BasicLocalAlignmentSearchTool)的缩写。7Blast是一个序列相像性搜寻的程序包，其中包含了很多个独立的程序，这些程序是依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，那么就应当选择blastn程序。下表列出了主要的blast程序。Blast简介（二）8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翻译成蛋白质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翻译后的蛋白质序列逐一比对。TBlastx核酸核酸核酸序列翻译成蛋白质序列，再和核酸数据库中的核酸序列翻译成的蛋白质序列逐一进行比对。9Program

Input

Database

blastp将一个蛋白质查询序列与一个蛋白质数据库进行比较blastpproteinprotein1blastn将一个DNA查询序列的两条链与一个DNA数据库进行比较blastnDNADNA1blastx将一个DNA序列用所有可能的阅读框翻译成6个蛋白质,然后将它们逐一与一个蛋白质数据库进行比较blastxDNAprotein6tblastn将一个DNA数据库中的每一条序列翻译成6种可能的蛋白质,然后将要查询的蛋白序列与翻译的蛋白质逐一进行比较tblastnDNAprotein6tblastx将查询DNA以及数据库中的DNA都翻译成6种可能的蛋白质,然后进行36次蛋白质-蛋白质数据库搜索tblastxDNADNA361011Blast程序评价序列相像性的两个数据Score：运用打分矩阵对匹配的片段进行打分，这是对各对氨基酸残基（或碱基）打分求和的结果，一般来说，匹配片段越长、相像性越高则Score值越大。Evalue:在相同长度的状况下，两个氨基酸残基（或碱基）随机排列的序列进行打分，得到上述Score值的概率的大小。E值越小表示随机状况下得到该Score值的可能性越低。12NCBI供应的Blast服务登陆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13Blast任务提交表单（一）1.序列信息部分填入查询（query）的序列序列范围（默认全部）选择搜寻数据库假如接受其他参数默认设置，点击起先搜寻14Blast任务提交表单（二）设置搜寻的范围，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，包括简洁重复序列，人类基因组中的重复序列等E值上限窗口大小假如你对blast的叮嘱行选项熟悉的话，可以在这里加入更多的参数15Blast任务提交表单（三）3.设置结果输出显示格式选择须要显示的选项以及显示的文件格式显示数目Alignment的显示方式筛选结果E值范围其他一些显示格式参数点击起先搜寻16提交任务返回查询号（requestid）可以修改显示结果格式修改完显示格式后点击进入结果界面17结果页面（一）图形示意结果18结果页面（二）目标序列描述部分带有genbank的链接，点击可以进入相应的genbank序列匹配状况，分值，e值19结果页面（三）具体的比对上的序列的排列状况查询序列和目标序列之间的字母表示两个氨基酸相同，加号+表示两个氨基酸相像。空白表示既不相同也不相像。20一个具体的例子（blastp）假设以下为一未知蛋白序列>query_seqMSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMASGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADSTQA我们通过blast搜寻来获得一些这个序列的信息。21具体步骤1.登陆blast主页:///BLAST/2.依据数据类型，选择合适的程序3.填写表单信息4.提交任务5.查看和分析结果22分析过程（一）1.登陆ncbi的blast主页2.选择程序，因为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blastp23分析过程（二）3.填入序列（copy＋paste）Fasta格式，或者纯序列4.选择搜寻区域，这里我们要搜寻整个序列，不填5.选择搜寻数据库，这里我们选nr(非冗余的蛋白序列库)。是否搜寻保守区域数据库（cdd），蛋白序列搜寻才有。我们选上24分析过程（三）6.限制条件，我们限制在病毒里面找。7.其他选项保持默认值打分矩阵25分析过程（四）8.输出格式选项保持默认值9.点击起先搜寻26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27分析过程（六）图形结果28分析过程（七）匹配序列列表29序列同源性的推断方法:

搜寻结果是否显著查看E值列表,是否显著.假如是核酸序列,E≤10-6为显著;假如是蛋白质序列,E≤10-3为显著查看同一性分值假如是核酸序列,Identity≥70%为显著;假如是蛋白质序列,Identity≥25%为显著两个蛋白是否具有近似的大小30两个蛋白是否有共同的模体或信号序列.两个蛋白质是不是一个合理的多序列比对的一部分两个蛋白质是否共有一个相像的生物学功能.两个蛋白质是否具有相像的三维结构.PSI-BLAST搜寻31BLAST搜寻策略调整搜寻结果过多状况加Entrez限制条件利用序列的一部分进行搜寻调整记分矩阵调整期望值搜寻结果过少状况去掉Entrez限制提高期望值运用更高PAM值或更低BLOSUM值的记分矩阵高级BLAST搜寻32进一步深化Blast1.blast22.Megablast3.Psi-blast4.PHI-blast5.其他(rpsblast,blastclust等)33Blast2两个序列的blast比对，给定两个序列，相互进行blast比对。能快速检查两个序列是否存在相像性片断或者是否一样。这比起全序列比对要快很多。34Megablastmegablast接受了贪欲算法(greedyalgorithm),它连接了多个查询序列进行一次搜寻比对，这样节约了很多搜寻数据库的时间。主要针对核酸序列。是blast经过优化后，适用于由于测序或者其他缘由形成的略微的差别的序列之间的比较，比一般的相像性搜寻程序要快10倍，可以很快的完成两组大数据的比对。35PSI-blastPositionspecificiterativeBLAST(PSI-BLAST)位点特异的迭代blast搜寻，主要针对蛋白序列。第一次blast搜寻后，结果中最相像的序列重新构建PSSM(位点特异性打分矩阵)，然后再运用该矩阵进行其次轮blast搜寻，再调整矩阵，搜寻，如此迭代。最终高度保守的区域就会得到比较高的分值，而不保守的区域则分数降低，趋近0。这样可以提高blast搜寻的灵敏度，有助于找寻远源相关的蛋白。36PHI-BLAST模式识别BLAST（PatternhitintiatedBLAST）PHI-BLAST能找到与查询序列相