(1)格式化数据库
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。
此外还有log文件。
(2)blastall
`blastall -i test.fa -d test.fa -o testblast.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)
其他参数:
-G 空位gap开放罚分 default = 0
-E 空位gap扩展罚分 default = 0
-I 描述行显示GI号[T/F], default = F
-q 核酸序列基对不匹配mismatch所罚分数(只对blastn有效)default = -3
-r 核苷酸序列基对匹配match所加分数(只对blastn有效) default = 1
-g 是否执行带缺口的比对 [T/F],default = T
-B 需要联配查询的序列数目 default = 0
-S:在数据库中搜索时所使用的核酸链strand(只对blastn、blastx和tblastx有效),1表top,2表bottom,3表both,default=3
-T: 产生HTML格式的输出[T/F],default = F
-n: 使用MegaBlast搜索[T/F],default = F
-r : 一个核酸碱基的正确匹配(match)的奖分(只对blastn有效),default = 1
-M: 所使用的打分矩阵,default = BLOSUM62
-m 比对结果格式选项:
0 = pairwise,显示具体匹配信息(缺省) 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Ref: https://blog.csdn.net/g_r_c/article/details/8477924
https://blog.csdn.net/bangemantou/article/details/7726585
blast+是blast的升级,将blastn,blastx等程序与blastall命令分隔开来,对各个命令的参数定制更为方便。
blast+也是格式化数据库和比对搜索两步,但命令不同。
(1)格式化数据库
makeblastdb -in db.fasta -dbtype prot -parse_seqids -out dbname -title dbtitle -logfile filename
参数说明:
-in:待格式化的序列文件
-dbtype:数据库类型,prot或nucl
-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)blast+比对
蛋白序列比对蛋白数据库(blastp)
blastp -query seq.fasta -db dbname -out seq.blast -outfmt 6 -evalue 1e-5 -num_alignments 10 -num_descriptions 10 -num_threads 2
blastx -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_descriptions 10 -num_threads 2
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BLAST的m8格式
-evalue:设置输出结果的期望值
-num_alignments 显示比对数Default = 250
-num_descriptions:单行描述的最大数目 default=500
-num_threads:线程数
更多参数 blastp -help
diamond主要4个程序:
makedb
blastp
blastx
view
过程也是建库和 比对两步。
-(1)建库
diamond makedb --in nr.fa -d nr
参数说明:
--in : 参考序列(格式:fasta)
-d: 索引的前缀名