2.1 序列比对 - Blast

Blast 使用指南

I. 基础知识

1. 了解存储sequence的常用文件格式

FASTA格式 （.fasta or .fa )

>gi|47115317|emb|CAG28618.1| VIM [Homo sapiens] MSTRSVSSSSYRRMFGGPGTASRPSSSRSYVTTSTRTYSLGSALRPSTSRSLYASSPGGVYATRSSAVRL

The word following the ">" symbol is the identifier of the sequence, and the rest of the line is the description (optional). Normally, identifiers are simply protein accession, name or Entrez gi's (e.g., Q5I7T1, AG10B_HUMAN, 129295), but a bar-separated NCBI sequence identifier (e.g., gi|129295) will also be accepted. Any arbitrary user-specified sequence identifier can also be used (e.g., CLONE00073452).

2. 安装blast及其子程序blastn, blastp，blastx, ...

Note: 可能已经安装好，尝试输入blastn回车看看

安装方式1-自动安装:

Linux自动安装软件方法： sudo apt-get install 软件名称

sudo apt-get install ncbi-blast+        #密码：cs

安装方式2-手动安装:

Download link

寻找类似如下文件：

a. 32位计算机（老机器）安装文件：如 ncbi-blast-2.2.28+-ia32-linux.tar.gz

b. 64位机器安装文件： 如 ncbi-blast-2.2.28+-x64-linux.tar.gz

（可以通过 uname –a 查看机器类型是64还是32位）

3. 阅读命令帮助

blastn –h
or
blastn --help

4. 进入工作目录

进入工作目录的方法:

cd                  #cd后面为空时，进入默认家目录    
cd 工作目录名称      #TAB键可进行名称自动补全，推荐经常使用

一般的程序后面都要输入文件位置和名称，告知程序输入和输出是什么：

./filename 指当前目录下的文件 ../filename 指上一级目录下的文件 ../../filename 指上两级目录下的文件.

II. 两条序列比对

Protein sequence alignment

利用blastp进行蛋白质比对

当前工作目录：/home/cs/Bioinfo_Lab/1.Sequence/1.seq_align/blast/protein/

blastp  -query ./VIM.fasta  -subject   ./NMD.fasta   -out output.blastp

VIM.fasta 与 NMD.fasta 分别是金属beta酶家族的两个亚种酶的序列

DNA sequence alignment

利用blastn进行DNA序列比对

当前工作目录：/home/cs/Bioinfo_Lab/1.Sequence/1.seq_align/blast/dna

blastn  -query ./H1N1-HA.fasta -subject ./H7N9-HA.fasta  -out output.blastn

H1N1-HA.fasta 与H7N9-HA.fasta 是流感病毒序列文件

III. 一条序列与远程序列库比对

Protein sequence alignment 比对远程pdb数据库

当前工作目录：/home/cs/Bioinfo_Lab/1.Sequence/1.seq_align/blast/protein/

blastp -query ./VIM.fasta -db pdb -remote -out protein_remote.blastp

DNA sequence alignment 比对远程nr数据库

当前工作目录：/home/cs/Bioinfo_Lab/1.Sequence/1.seq_align/blast/dna

blastn -query ./H1N1-HA.fasta -db nr -remote -out dna_remote.blastn

IV. 一条序列在自定义的序列库里比对

例如：在yeast基因组序列中搜索Yeast.fasta序列

当前工作目录：/home/cs/Bioinfo_Lab/1.Sequence/1.seq_align/blast／

Step 1: 建库

先清空一下之前的残留文件：

rm ./database/*

建库：

makeblastdb -dbtype nucl -in ./dna/YeastGenome.fa -out ./database/YeastGenome

-dbtype: 待建库的类型（nucl, prot)

-in: 待建库的序列文件

-out: 序列库名前缀

Step 2: 比对

  blastn -query ./dna/Yeast.fasta -db ./database/YeastGenome -out ./dna/Yeast.blastn