蛋白质组学

比对软件Blast,Blast+,Diamond比较

1. Blast

  • (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

2. Blast+

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

3. diamond

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

-(2)比对
diamond blastp -d nr -q reads.fa -e 1e-5 -f 6 -o out_diamond.m6 -k 10 -p 2
主要参数说明
--db/-d 输入比对数据库
--query/-q 比对序列
--threads/-p 线程数
--out/-o 输出文件
--outfmt/-f 输出文件格式,默认6(表格)
--evalue/-e 比对的最大evalue值(默认0.001)
--max-target-seqs/-k 比对到的最大序列数,默认值是25

其他参数
--top 百分数的形式表示--max-target-seqs
--min-score 最小评分
--id 给出指定百分比的数据
--subject-cover 最小覆盖度
--unal (0,1) 是否输出未比对上的reads(0=no, 1=yes)
--sensitive 建议对齐较长的序列
--more-sensitive 比对准确度更高
--block-size/b,一次处理的十亿碱基的大小,主要控制内存使用,默认为2(预计使用此内存数量的大约六倍,即默认内存使用将到达12G),转录流程使用0.2
--salltitles 将全长标题包含在DAA格式中,默认DAA文件仅包含缩短序列ID(直到第一个空白字符)

转录组流程使用参数
diamond blastx --evalue 1e-05 --threads 3 --outfmt 5 -d /ifs4/BC_PUB/biosoft/db/Pub/nr/RNA/20170924/animal.fa -q allcdnawithnovelcds.fa -o allcdnawithnovelcds.fa.blast.nr --seg no --max-target-seqs 5 --more-sensitive -b 0.2 --salltitles

Ref: https://github.com/bbuchfink/diamond/blob/master/diamond_manual.pdf

diamond输出格式:

0 BLAST pairwise format.  
5 BLAST XML format.  
6 表格模式 (默认输出格式).    
100 DIAMOND  
101 SAM format.  
102 Taxonomic classification.  
103 PAF format.
(0)

热评文章

发表评论