新版blast2.2.24+本地化及本地数据库构建

Windows平台下新版blast（2.2.24+)本地化构建+数据库下载+序列间的相似性检索

从blast-2.2.23-ia32-win32这个版本开始，本地化blast的参数有了很大改变，NCBI新近对 blast 程序做了一些修改推出了 blast+，目前最新版本为ncbi-blast-2.2.24+-ia32-win32。与之前的blast相比，新的blast+将blastn,blastx等合作与blastall命令分隔开来，对各个命令的参数定制更加方便而网上相关的一些教程大同小异，一部分操作已经不适用了，遂整理如下，仅供参考，不当之处，敬请指正。

blast+的本地化构建

1.1程序下载链接到：ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST

下载最新的BLAST+程序包，推荐版本ncbi-blast-2.2.24+-ia32-win32.tar.gz（绿色版windows32位系统）,其他版本：ncbi-blast-2.2.24+-win32.exe适用于windows32位系统，ncbi-blast-2.2.24+-win64.exe 适用 Windows 64 位系统，请注意选择。

1.2安装流程

建议安装在非系统盘，如将下载的 BLAST 程序安装到 E:\\blast，生成 bin、doc 两个子目录，其中 bin 是程序目录，doc是文档目录，这样就安装完毕了。

1.3用户环境变量设置

右键点击“我的电脑”－“属性”，然后选择“高级系统设置”标签－“环境变量”(图1)，在用户变量下方“Path”随安装过程已自动添加其变量值，即“E:\\Blast\\bin”。此时点击“新建”－变量名“BLASTDB”，变量值为“E:\\Blast\\db”(即数据库路径，图2)。

1.4查看程序版本信息

点击 Windows 的“开始”菜单，输入“cmd”（XP系统在运行中输入cmd）（图3）调出 MS-DOS 命令行，转到 Blast 安装目录，输入命令“blastn -version”即可查看版本（图4）：

看到图4显示说明本地blast已经安装成功。

2．blast+本地数据库的构建 2.1 数据的获取 法 1：直接从 NCBI或者其他数据库网站下载所需序列做成数据库，或者自己已有的测序数据（格式必须是fasta，名字可以自己随便命名，具体做法下面有说明）。

法 2：从NCBI中的 ftp 库下载所需要的某一个库或几个库，其链接为ftp://ftp.ncbi.nlm.nih.gov/blast/db/FASTA/其中 nr.gz 为非冗余的数据库，nt.gz 为核酸数据库，month.nt.gz 为最近一个月的核酸序列数据。下载的month.nt.gz先用winrar解压缩，然后用makeblastdb.exe格式化。

法 3：利用新版 blast自带的 update_blastdb.pl进行下载，这需要安装perl程序。

上述三种方法各有优缺点，前两种下载速度较快，但是每次进行检索都需要对数据库进行格式化（转化成二进制数据），第三种方法下载速度较慢，但是是 NCBI 中已经格式化好的，在进行本地检索时不需再进行格式化，直接用即可。

2.2数据的格式化

本文以ratwy.fasta作为查询序列，以rat.fasta作为数据库文件为例进行讲解。首先将rat.fasta放到E：\\blast\\db文件夹下，然后调出MS-DOS命令行，转到E：\\blast\\db文件夹下运行以下命令：

格式化rat.fasta命令：makeblastdb.exe -in rat.fasta -parse_seqids -hash_index -dbtypeprot

-in参数后面接将要格式化的数据库，-parse_seqids, -hash_index两个参数一般都带上，主要是为blastdbcmd取子序列时使用，-dbtype后接所格式化的序列的类型，核酸用nucl，蛋白质用prot；如图

至此，本地数据库已经建立完毕！！！ 3．序列间的相似性检索

BLAST+系列程序均要求查询序列以fasta格式存在，fasta格式已经程序事实上的序列标准被广泛采用，几乎所有的序列处理程序都要求fasta格式。所谓FASTA格式是指DNA序列第一行开始于一个标识符：\，紧接着（没有空格）是对该序列的唯一描述（即ID），然后一个空格，接着是对该序列的描述（也可以没有），从第二行开始就是一行行的序列，中间的空格，换行没有影响。为了方便阅读，每一行序列最好不要超过80个字母。详细的说明请看着这里http://biocompute.bmi.ac.cn/MPprimer/Fasta_help.html 。

本文以ratwy.fasta作为查询序列，以rat.fasta作为数据库文件为例进行讲解。首先将ratwy.fasta放到E：\\blast文件夹下，然后调出MS-DOS命令行，转到E：\\blast文件夹下运行以下命令：

blastp.exe -task blastp -query rat1.fasta -dbrat.fasta -out text.txt

相关参数说明：blastp.exe 程序执行命令，exe 前的程序根据自己的需要而换； -task 后面选择你所要用的程序，blastn,blatp,tblastx等； -query 后接查询序列的文件名称； -db后接格式化好的数据库名称；

-out 后接要输出的文件名称及格式；如图：

比对结束后可在blast文件夹下查看结果，本文存结果的文件名为ratwy_rat.txt。 4．从格式化本地数据库到序列比对如图：

核酸的比对与蛋白质相似，用blastn.exe。

blastn的相关命令参数可用blastn–help 命令查询，blastp的相关命令参数可用blastp–help查询，依次类推，如图。这里面有很多参数，比上网找参数的意义省事的多，这个就得自己研究吧！

另外新版blastn还有一个可以定制输出结果的参数-outfmt，有了这个参数，BioPerl、Biopython中的blast解析器就可以不必使用了。这确实又是BLAST+新版另外一个最大的提高，非常非常方便。本人的一些工作就依赖于BLAST结果的解析，有了这个参数，就不需要解析BLAST结果了，确实很好很强大。具体如何使用，各位可以摸索一下，非常简单。

希望各位战友将自己的经验分享以将 blast 越用越好。 附：以下来自于网友

个人在使用blastn的过程中总结了一些自认为常用的参数，总结如下：

blastn -dbdatabase_name -query input_file -out output_file -evalueevalue -max_target_seqsnum_sequences -num_threadsint_value -outfmt format format_string

blastn -dbdatabase_name -query input_file -out output_file -evalueevalue -max_target_seqsnum_sequences -num_threadsint_value -outfmt format \

例如：

blastn -dbplant_rna -query test.fa -out test.out -evalue 0.00001 -max_target_seqs 5 -num_threads 4 -outfmt format \qaccsaccevalue length pident\

blastn:这个不用说了吧，核酸对核酸的比对 -db: 指定blast搜索用的数据库，详见上篇文章 -query:用来查询的输入序列，fasta格式 -out：输出结果文件 -evalue: 设置e值cutoff

-max_target_seqs:设置最多的目标序列匹配数（以前我都用-b 5 -v 5,理解不对请指教） -num_threads：指定多少个cpu运行任务（依赖于你的系统，同于以前的-a参数）

-outfmt format \：这个是新BLAST+中最拉风的功能了，直接控制输出格式，不用再用parser啦， 7表示带注释行的tab格式的输出，可以自定义要输出哪些内容，用空格分格跟在7的后面，并把所有的输出控制用双引号括起来，其中qacc查询序列的acc,sacc表示目标序列的acc，evalue即是e值，length即是匹配的长度，pident即是序列相同的百分比，其他可用的特征（红色字体）如下：

*** Formatting options -outfmt

alignment view options: 0 = pairwise,

1 = query-anchored showing identities, 2 = query-anchored no identities,

3 = flat query-anchored, show identities …… 此处隐藏：3727字，全部文档内容请下载后查看。喜欢就下载吧 ……