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。
正则化工具包blast+的本地化构建
1.1程序下载链接到：ftp://bi.v/blast/executables/blast+/LATEST
下载最新的BLAST+程序包，推荐版本ncbi-blast-2.2.24+-（绿版windows32位系统）,其他版本：ncbi-blast-2.2.24+-适用于windows32位系统，ncbi-blast-2.2.24+- 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://bi.v/blast/db/FASTA/其中 nr.gz 为非冗余的数据库，nt.gz 为核酸数据库， 为最近一个月的核酸序列数据。下载的先用winrar解压缩，然后用格式化。
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： -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biocompute.bmi.ac/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：
-task blastp -query rat1.fasta -dbrat.fasta -
相关参数说明：  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。
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 "7 qaccsaccevalue length pident"
例如：
blastn -dbplant_rna -query test.fa -out test.out -evalue 0.00001 -max_target_seqs 5 -num_threads 4 -outfmt format "7 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 "7 qaccsaccevalue length pident" ：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（红字体）如下：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。