使用BLAST进行序列比对-具体代码和原理
一、BLAST：短序列比对工具指南
BLAST（Basic Local Alignment Search Tool）是一款常用的短序列比对工具，支持直接输入FASTQ格式的序列文件进行比对分析。以下是 BLAST 的安装、数据库构建和序列比对的详细步骤：
今天学习BLAST知识和序列矩阵图
1. 下载和解压 BLAST
方法①
wget -c ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbi-blast-2.10.0+-x64-linux.tar.gz
tar -xvzf ncbi-blast-2.10.0+-x64-linux.tar.gz
方法②
使用conda安装即可，包括：blastn, blastp, blastx, tblastn, tblastx等。
conda install -c bioconda blast
# blast安装perl模块的方法
conda install perl-digest-md5
2. 构建数据库
在比对前，需要先用参考序列文件创建数据库：
makeblastdb -in genome.fasta -dbtype nucl -parse_seqids -out ./index
注释：
-in：指定输入的参考序列文件（如genome.fasta）。
-dbtype：数据库类型，nucl表示核苷酸，prot表示蛋白质。
-out：设置输出的数据库名称（如./index）。
3. 序列比对工具（之前也有文章介绍）
BLAST 提供了 5 种工具，根据序列类型选择适用的工具：
blastn：核苷酸序列比对至核苷酸数据库。
blastp：氨基酸序列比对至氨基酸数据库。
blastx：核苷酸序列翻译为氨基酸后比对至氨基酸数据库。
tblastn：氨基酸序列比对至核苷酸数据库，并将核苷酸序列翻译为氨基酸。
tblastx：核苷酸序列翻译为氨基酸后，与数据库中的翻译序列进行比对。
4.以下以 blastn 为例，核苷酸序列比对至核苷酸数据库
运行比对命令：blastn -query input.fa -db ./index -evalue 1e-6 -outfmt 6 -num_threads 6 -out out_file
参数说明：
-query：指定输入序列文件（如input.fa）。
-db：指定使用的数据库（如./index）。
-evalue：设定 E 值的阈值，E 值小于1e-5表示序列具有较高的同源性。
-outfmt：设置输出格式，常用6（表格形式）。
-num_threads：指定线程数，提高运行速度。
-out：设置输出结果文件（如out_file）。
5.运行结束后，可查看比对结果。
运行结束后，可查看比对结果。l如果需要显示序列每个碱基的比对情况，可省略-outfmt参数：
blastn -query input.fa -db ./index -evalue 1e-6 -num_threads 6 -out out_file
如下生成序列对齐图，方便分析比对的具体位置和程度。
6.绘图工具
方法①：
如果你想使用工具来获得图片，推荐打开ENDscript/ESPript网站(http://espript.ibcp.fr/ESPript/cgi-bin/ESPript.cgi)对序列比对结果进行作图，点击选择文件上传得到的clustalw.aln文件，再点击页面顶部的SUBMIT按钮即可，注意在该页面的底部可以选择输出的文件类型以及图片格式，主要有.png和.TIF格式的图片，两种格式的图片都可以作为文章发表。
方法②
以下提供代码
1）R代码
-- 首先：安装MiKTeX
① 官网下载
② 安装即可（按照提示完成安装。安装过程中可以选择默认设置，通常选择“Install for anyone”即可）
③ 验证安装
- 打开命令提示符（按Win + R，然后输入cmd）。
- 输入以下命令检查pdflatex是否可用：pdflatex --version
- 如果显示 pdflatex 的版本信息，则说明安装成功。
如果显示 pdflatex 的版本信息，则说明安装成功。
注意：
- 在安装过程中，MiKTeX 会自动配置环境变量。但为了确保pdflatex命令可以在命令提示符中使用，检查环境变量是否已经配置。
- 打开“控制面板” → “系统和安全” → “系统” → “高级系统设置” → “环境变量”。
- 在“系统变量”中找到Path，点击编辑，确保 MiKTeX 的安装路径（例如C:/Program Files/MiKTeX 2.9/miktex/bin/x64）已被添加到路径中。
-- 在 R 中验证
① 打开 R 或 RStudio，运行以下命令：system("pdflatex --version")
② 如果返回版本信息，表示 R 能够找到pdflatex。就可以跑代码了。
③ 绘图代码如下：
④跑完代码会有一些信息，他只是关于生成LaTeX文档时的输出和日志记录。
内容包括：
1）文件生成：报告显示在执行过程中创建了多个文件：
- OS180_aligment_result.fasta：存储了比对的序列信息。
- OS180_Alignment.tex：这是生成LaTeX文件的过程。
- OS180_Alignment.pdf：最终输出的PDF文件，包含了序列对齐的可视化结果。
2）LaTeX处理：
- 系统成功加载了多个必需的包，包括texshade.sty和图形相关包。
- 输出显示了各类字体和映射文件的加载，包括一些Type1字体和图形设置。
- 最终，生成了PDF文件，表明LaTeX编译成功。
3）警告信息：
- 有一条"Non-PDF special ignored!"的警告，通常这类信息可以忽略，表示某些非PDF的特定操作被忽略。
- 还有一个关于MiKTeX更新的提示，提醒用户检查是否有MiKTeX的更新版本。虽然这不是一个报错信息，但可能会影响未来的兼容性或功能。
4）生成的文件：
- OS180_Alignment.pdf：这是最终的输出文件，其中包含了比对结果的图形。
-- 最终结果
-- 图片意义和所用包的介绍
主要包含的是序列比对（Alignment）的结果（包含一个多序列比对的可视化图（如使用texshade包生成的图）。
1.序列比对的可视化
序列比对是指将多个基因、蛋白质或其他生物分子的序列进行对比，找出它们之间的相似性和差异。
比对图通常展示不同序列在同一位置上的相似性（比如碱基或氨基酸是否相同），并标出保守区域和变异区域。
texshade是一个 LaTeX 包，用于生成序列比对的高质量可视化图，通常在生物信息学中用于展示多序列比对的结果。
2.作用和意义
保守性分析：比对图帮助识别多个序列中的保守区域。这些保守区域可能是具有生物学功能的重要部分，如催化活性位点、DNA结合区域等。
突变和变异检测：比对可以揭示不同序列之间的突变或变异。例如，基因突变可能导致某些序列位置的变化，影响蛋白功能或生物学特性。
物种间比较：如果比对的序列来自不同物种，这类图可以帮助识别物种间的相似性和差异，进而推测它们的进化关系。
功能域分析：通过比较多个同源基因或蛋白质的序列，可以推测它们的功能域，并帮助设计实验来验证这些功能。
3.具体应用
基因功能研究：如果你在研究某个基因的功能，序列比对图可以帮助你理解该基因在不同物种或样本中的变异情况，从而推测该基因可能的功能区域。
同源基因预测：通过比对多个物种中的基因序列，可以预测哪些基因是同源基因，这些基因可能在进化过程中保持了相似的功能。
药物设计和靶点研究：对于药物研究者来说，了解基因或蛋白质序列中的保守区域可以帮助设计药物靶点，尤其是在开发针对特定变异的靶向药物时。
4.图的组成部分
行：每一行通常代表一个不同的序列。
列：每一列表示在该位置上不同序列的碱基或氨基酸。
颜色和符号：不同的颜色或符号可以表示不同的保守性、突变或变异情况。例如，保守的碱基或氨基酸可能被标记为相同颜色，而变化大的位置可能显示为不同颜色或带有特殊标记。
共识序列（Consensus Sequence）是指在多个生物序列中，经过比对和分析，能够代表一组序列中最常见（保守）的碱基或氨基酸的序列。共识序列通常用于表示一组相似序列的整体特征，尤其在研究基因、蛋白质、顺式调控元件等领域中具有重要意义。
不想写了，下次再放上Python的分析绘图代码。嘿嘿~
参考资料：
https://www.ncbi.nlm.nih.gov/books/NBK279690/
https://www.jianshu.com/p/de28be1a3bea
https://www.jianshu.com/p/cf2dafcf6
Configuring and customizing a SequenceServer BLAST
BLAST Command Line Applications User Manual
做出漂亮的序列比对alignment图——ENDscript/ESPript
python实现两个DNA序列（sequences）对齐并绘图_python如何画出对其序列
生物信息学领域非常广泛，难以一次说尽。我们下次继续更新，一起深入学习生物信息学的内容！
喜欢的宝子们点个赞吧~码字不易，且行且珍惜~
共有 0 条评论