《BLAST简介及其应用13.12.15》由会员分享，可在线阅读，更多相关《BLAST简介及其应用13.12.15（57页珍藏版）》请在金锄头文库上搜索。
1、BLAST简介及其应用Basic Local Alignment Search Tool12实验目的1、了解、了解 BlastBlast资源和功能资源和功能2 2、了解、了解blastblast的应用的应用3、掌握使用、掌握使用blast进行序列搜索进行序列搜索23生物序列的相似性相似性相似性(similarity)： 是指一种很直接的数量关系数量关系，比如部分相同或相似的百分比或其它一些合适的度量。比如说，A序列和B序列的相似性是80，或者4/5。这是个量化的关系。当然可进行自身局部比较。34 同源性同源性(homology)： 指从一些数据中推断出的两个基因或蛋白质序列具有共同祖先的结论，
2、属于质质的判断的判断。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45相似性和同源性关系 序列的相似性和序列的同源性有一定的关系，一般来说序列间的相似性越高的话，它们是同源序列间的相似性越高的话，它们是同源序列的可能性就更高序列的可能性就更高，所以经常可以通过序列的相似性来推测序列是否同源。 正因为存在这样的关系，很多时候对序列的相似性和同源性就没有做很明显的区分，造成经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。56Blast程序评价序列相似性的两个数据Score：使用打分矩阵对匹配的片段进行打分，这
3、是对各对氨使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、基酸残基（或碱基）打分求和的结果，一般来说，匹配片段越长、 相似性越高则相似性越高则Score值越大。值越大。E value:在相同长度的情况下，两个氨基酸残基（或碱基）随在相同长度的情况下，两个氨基酸残基（或碱基）随机排列的序列进行打分，得到上述机排列的序列进行打分，得到上述Score值的概率的大小。值的概率的大小。E值越值越小表示随机情况下得到该小表示随机情况下得到该Score值的可能性越低。值的可能性越低。我们在获得一个我们在获得一个Blast结果时需要看这两个指标。结果时需
4、要看这两个指标。 如果如果Blast获得的目标序列的获得的目标序列的Score值越高并且值越高并且E-value越低表明结越低表明结果越可信，反之越不可信果越可信，反之越不可信.67BLAST简介 BLAST既是一种算法也是一种基于该算法设既是一种算法也是一种基于该算法设计出的计出的搜索工具搜索工具，是由美国国家生物信息中心，是由美国国家生物信息中心（NCBI）研发的一个生物信息数据库搜索工具系）研发的一个生物信息数据库搜索工具系统，该系统对于生物基因序列数据在计算机中的统，该系统对于生物基因序列数据在计算机中的表达和处理作了许多的研究，提供了一个快速的表达和处理作了许多的研究，提供了一个快速
5、的基于碱基数据的搜索引擎。基于碱基数据的搜索引擎。 BLAST是基于匹配是基于匹配短序列片段短序列片段，用一种强有，用一种强有力的统计模型来确定未知序列与数据库序列的最力的统计模型来确定未知序列与数据库序列的最佳局部联配，可在序列数据库中对查询序列进行佳局部联配，可在序列数据库中对查询序列进行相似性比对相似性比对工作。工作。78BLAST简介BLAST搜索的六大优点：搜索的六大优点：l使用方便，功能齐全使用方便，功能齐全l速度快，结果可信速度快，结果可信lNCBI精心维护，持续开发精心维护，持续开发l配套数据库不断更新配套数据库不断更新l免费服务（免费服务（NCBI、EBI、TIGR）l免费下
6、载，本地安装免费下载，本地安装89主要的BLAST程序（功能）程序名程序名查询序列序列数据数据库搜索方法搜索方法Blastn核酸核酸核酸核酸在核酸数据在核酸数据库中比中比对核酸序列核酸序列Blastp蛋白蛋白质蛋白蛋白质在蛋白在蛋白质数据数据库中比中比对蛋白蛋白质序列序列Blastx核酸核酸蛋白蛋白质在蛋白在蛋白质数据数据库中比中比对待待检的核酸序列的核酸序列（用所有（用所有6种可种可读框翻框翻译）Tblastn蛋白蛋白质核酸核酸在核酸数据库在核酸数据库（用所有（用所有6种可种可读框翻框翻译）中比对待检的蛋白质序列中比对待检的蛋白质序列TBlastx核酸核酸核酸核酸在核酸数据在核酸数据库（用所
7、有（用所有6种可种可读框翻框翻译）中比中比对待待检的核酸序列（也用所有的核酸序列（也用所有6种种可可读框翻框翻译）910两种版本的BLAST比较（一）w网络版本网络版本 包括包括NCBI在内的很多网站都提供了在线在内的很多网站都提供了在线的的BLAST服务，这也是我们最经常用到的服务，这也是我们最经常用到的BLAST服务。网络版本的服务。网络版本的BLAST服务就服务就有方便，容易操作，数据库同步更新等优有方便，容易操作，数据库同步更新等优点。但是缺点是不利于操作大批量的数据，点。但是缺点是不利于操作大批量的数据，同时也不能自己定义搜索的数据库。同时也不能自己定义搜索的数据库。1011w单机版
8、单机版 单机版的单机版的BLAST可以通过可以通过NCBI的的ftp站点获得，站点获得，有适合不同平台的版本（包括有适合不同平台的版本（包括linux，dos等）。等）。获得程序的同时必须获取相应的数据库才能在获得程序的同时必须获取相应的数据库才能在本地进行本地进行BLAST分析。单机版的优点是可以处分析。单机版的优点是可以处理大批的数据，可以自己定义数据库，但是需理大批的数据，可以自己定义数据库，但是需要耗费本地机的大量资源，此外操作也没有网要耗费本地机的大量资源，此外操作也没有网络版直观、方便，需要一定的计算机操作水平。络版直观、方便，需要一定的计算机操作水平。两种版本的BLAST比较（二
9、）11Why use BLAST?wBLAST 是是NCBI中用来将一个蛋白质或中用来将一个蛋白质或DNA序列和各种数据库中的其他序列进行序列和各种数据库中的其他序列进行比对的主要工具。比对的主要工具。 BLAST搜索是研究一搜索是研究一个蛋白质和基因的最基本的方法之一个蛋白质和基因的最基本的方法之一。12BLAST的使用wBLAST 具有非常广泛的应用：具有非常广泛的应用：v 研究可能存在多种剪切方式的表达序列标签。研究可能存在多种剪切方式的表达序列标签。v 寻找对于一个蛋白质的功能和寻找对于一个蛋白质的功能和/或结构起关键作用的氨或结构起关键作用的氨基酸残基。基酸残基。v确定特定的蛋白质或
10、核酸序列有哪些已知的直系同源或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。旁系同源序列。v 确定哪些蛋白质和基因在特定的物种中出现确定哪些蛋白质和基因在特定的物种中出现。v确定一个确定一个DNA或蛋白质序列身份。或蛋白质序列身份。v发现新基因发现新基因v确定一个特定基因或蛋白质有哪些已经发现了的变种。确定一个特定基因或蛋白质有哪些已经发现了的变种。13Blast的使用w首先在首先在NCBI的基因数据库中找到一段基因核苷的基因数据库中找到一段基因核苷酸序列（或者是通过测序得到的核苷酸序列）。酸序列（或者是通过测序得到的核苷酸序列）。w将该序列用将该序列用FASTA格式存入记事本
11、。格式存入记事本。w进入进入Blast界面选择一种自己所需的功能进行搜界面选择一种自己所需的功能进行搜索比对。索比对。w将需要查询序列键入框中选择数据库和确定比将需要查询序列键入框中选择数据库和确定比对参数。对参数。wBlast（比对）（比对）14网页版 具体步骤1.登陆登陆blast主页主页 2.根据数据类型，选择合适的程序根据数据类型，选择合适的程序3.填写表单信息填写表单信息4.提交任务提交任务5.查看和分析结果查看和分析结果151.登陆登陆blast主页主页16组装的基因组序列库基本blast特定的BLAST所有的BLAST基因数据库171818191920核酸数据库中比对核酸序列蛋白
12、质数据库中比对蛋白质序列BLASTNBLASTP蛋白质数据库中比对核酸序列蛋白质数据库中比对核酸序列核酸数据库中比对蛋白质序列2021标准蛋白质数据库21组装的基因序列库快速搜索基本操作特定的BLAST所有的BLAST基因数据库2223特定的BLAST23242.根据数据类型，选择合适的程序根据数据类型，选择合适的程序242.根据数据类型，选择合适的程序根据数据类型，选择合适的程序blastn (nucleotide BLAST)：将一个核酸的查将一个核酸的查询序列与一个核酸序列数据库相比较。询序列与一个核酸序列数据库相比较。blastp (protein BLAST)：将一个氨基酸的查询将一
13、个氨基酸的查询序列与一个蛋白质序列数据库相比较。这类搜索序列与一个蛋白质序列数据库相比较。这类搜索有专门与蛋白质搜索相关的可选参数，如对各种有专门与蛋白质搜索相关的可选参数，如对各种PAM和和BLOSUM打分矩阵的选择。打分矩阵的选择。252.根据数据类型，选择合适的程序根据数据类型，选择合适的程序blastx (translated BLAST)：将一个核酸的查询将一个核酸的查询序列按所有可能的阅读框翻译后的序列与一个蛋白序列按所有可能的阅读框翻译后的序列与一个蛋白质序列数据库进行比较。如若有一个质序列数据库进行比较。如若有一个DNA序列，想序列，想知道它编码什么蛋白质，用此程序进行搜索。它
14、会知道它编码什么蛋白质，用此程序进行搜索。它会自动将自动将DNA翻译成翻译成6种可能的蛋白质。然后此程序种可能的蛋白质。然后此程序就会将翻译的就会将翻译的6个蛋白质序列逐一与蛋白质序列数个蛋白质序列逐一与蛋白质序列数据库中的各个成员进行比较。据库中的各个成员进行比较。262.根据数据类型，选择合适的程序根据数据类型，选择合适的程序tblastx (translated BLAST)：将一个核酸查询序将一个核酸查询序列的列的6种框架的翻译结果与一个核酸序列数据库的种框架的翻译结果与一个核酸序列数据库的6种框架翻译产物进行比较。该程序不能使用种框架翻译产物进行比较。该程序不能使用BLAST网页上提
15、供的主要的去冗余网页上提供的主要的去冗余(nr)数据库，因这一操数据库，因这一操作很消耗计算机资源。作很消耗计算机资源。27283.填写表单信息填写表单信息28291.序列信息部分填入查询（query）的序列序列范围（默认全部）选择搜索数据库如果接受其他参数默认设置，点击开始搜索2930去冗余GenBank编码序列PDB + SwissProt + PIR + PRF303131常用的检索数据库32Pdb拥有三维空间结构的原子坐标的氨基酸序列库拥有三维空间结构的原子坐标的氨基酸序列库Nr GenBank 蛋白数据库蛋白数据库ESTExpressed sequence tags，表达序列标签数据
16、库，表达序列标签数据库STSsequence tagged sites，序列标签位点数据库，序列标签位点数据库Htgshigh throughput genomic sequences，高通量基因组序列，高通量基因组序列GSSgenome survey sequences，基因组测定序列，基因组测定序列Yeast酵母基因组中基因编码的全套蛋白质酵母基因组中基因编码的全套蛋白质E.coli大肠杆菌基因组中基因编码的全套蛋白质大肠杆菌基因组中基因编码的全套蛋白质Mito脊椎动物线粒体的全基因组序列脊椎动物线粒体的全基因组序列Alu搜集了灵长类动物的搜集了灵长类动物的Alu重复序列重复序列Swiss
17、prot蛋白质数据库蛋白质数据库32wnr数据库是合并了若干个主要的蛋白质或数据库是合并了若干个主要的蛋白质或DNA数据库得到的。这些数据库中经常包数据库得到的。这些数据库中经常包含有相同的序列，但含有相同的序列，但nr数据库只收录其中数据库只收录其中的一个序列的一个序列(即使在即使在nr数据库中出现看上数据库中出现看上去一样的序列，实际上还是具有一些细节去一样的序列，实际上还是具有一些细节上的区别上的区别)。 nr数据库是在要搜索现有的数据库是在要搜索现有的绝大多数序列时典型和常用的数据库。绝大多数序列时典型和常用的数据库。3333341.序列信息部分填入查询（query）的序列序列范围（默
18、认全部）选择搜索数据库如果接受其他参数默认设置，点击开始搜索344.提交任务提交任务5.查看和分析结果查看和分析结果353536具体例子以下列蛋白序列为例，进行BLAST搜素： MSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARM
19、ASGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADSTQA 36371.登陆NCBI的BLAST主页 界面如图所示：分析过程3738登陆BLAST主页38392.根据序列的类型，选择合适的比对分析界面程序。本例中分析的是蛋白质序列，所以
20、单击选择Basic BLASTProtein Blast项，进入蛋白质比对分析界面。如下图：分析过程39404041413.填写表单信息 在网页的Enter accession number.gi.or FASTA sequence对话框中输入待查询序列，下面Choose search setdatabase项中选Swissprot库（nr：NCBI所有翻译库，Refseq：专家参照库，Swissprot：欧洲蛋白质专家库，pat：专利库，pdb：蛋白质三维结构库），单击BLAST运行程序。分析过程424343 如不单击BLAST，而单击BLAST下面的Algorithm Parameters，可以进行BLAST的高级设置选项。分析过程44454546464.BLAST程序启动后，进入Formatting Blast界面，如图： 分析过程4748485.在色条上单击，进入Conserved Domains（保守结构）分析界面，可以看到序列的保守性利用不同的算法，得出不同的结果，如图：分析过程4950506.如果不单击色条而继续等待，系统将自动更新，不久将获得BLAST比对得到大量相似序列；再经过几分钟后，BLAST界面自动刷新，列出分析结果分析过程51525253基因名基因名来源物种来源物种一致程度，一致程度，登录号登录号53545455555656所选序列下载序列57
