BLAST＋使用教程

本教程为Linux下新版BLAST+的本地化安装与基本用法。BLAST的更详细使用方法可参考BLAST手册《BLAST Command Line Applications User Manual》，网址：http://www.ncbi.nlm.nih.gov/books/NBK279690/

1. 下载

从NCBI网址下载最新版BLAST程序：ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/

根据自己的操作系统选择相应的BLAST可执行程序，如Ubuntu 12.04(64位)系统就下载：

$wget ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-2.6.0+-x64-linux.tar.gz

2. 安装

解压缩：

$tar -zxvf ncbi-blast-2.6.0+-x64-linux.tar.gz

移动到本地欲安装的目录（不带版本号，避免因升级而修改配置文件）

$sudo mv ncbi-blast-2.6.0+/ /opt/blast

将BLAST+可执行程序所在目录（bin）的绝对路径加入到环境变量$PATH中，方便通过程序名直接调用。

编辑~/.bashrc文件，在最后加入bin目录

如果显示版本正确，安装成功。

3.配置本地BLAST库

安装目录/opt/blast下新建一个文件夹，命名为blastdb 。

$mkdir /opt/blast/blastdb

在用户home目录下新建一个文件.ncbirc（文件名是以点号开头）。

$vi ~/.ncbirc

在文件中添加内容：

[BLAST]

BLASTDB=/opt/blast/blastdb

配置好后，以后做BLAST选择库的时候就可以只输入名称（比如nr），不用输入绝对路径了。

4.基本用法

执行BLAST程序要先准备待查找目标序列(Subject)的数据库，BLAST程序需要有特定格式数据库才能进行搜索，所以要先格式化序列数据库；也可以直接从NCBI下载已经格式化好的数据库，如NT, NR数据库等。然后根据你的查询序列(Query)为蛋白质或核酸序列选择相应BLAST程序，如blastp或blastn等搜索相似序列。

4.1 格式化序列数据库

如果该库需要经常使用，可将库文件移到前面配置的库文件的目录，今后在其它目录运行blast的时候，便可直接输入库名（不用输入绝对路径），直接使用。

$mv dbname.* /opt/blast/blastdb

4.2 运行BLAST程序

以核酸序列比对核酸数据库（blastn）为例：

更多参数信息可直接输入blastn -help查阅。

Blastn程序的default value为magablast。Megablast 是在intra-species或者very closely related species中使用的blast版本，其特点是word_size较大（默认值为28bp），这样就可以在initial match过程排除掉很多情况，从而加快比对速度。而对于inter-species的两个较短片段就无法搜寻到结果，这种情况可以增加参数 –task blastn，就按blastn程序进行搜寻。

新BLAST+中最拉风的功能是直接控制输出格式，如：-outfmt format “7 qacc sacc evalue length pident”

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。其他可用的选项参见最后。

其它程序，如蛋白序列比对蛋白数据库（blastp）以及核酸序列比对蛋白数据库（blastx）等，用法与blastn类似：

完整的参数说明可以用-help查询。

4.3 也可以直接下载NCBI已经格式化好的库(NCBI-curated database)，直接在本地库中比对，以蛋白质库nr为例：

下载库可使用BLAST+自带的update_blastdb.pl脚本

如果没有下载本地化nr库，可添加-remote选项，进行在线比对（就不能使用-num_threads参数了），但速度慢一些，适合序列不多的情况。