NCBI BLAST使用教程及BLASTP比对结果分析

NCBI BLAST使用教程及BLASTP比对结果分析

BLAST（Basic Local Alignment Search Tool）是由美国国立生物技术信息中心（NCBI）开发的一个基于序列相似性的数据库搜索程序。该程序能够将核酸/蛋白质序列与公开数据库中的所有序列进行匹配比对，从而找到相似序列。BLAST有在线和单机版两种形式，用户可以根据需求选择使用。

一、访问BLAST界面

二、BLASTP检索

BLASTP是用于蛋白质序列比对的工具。以下是进行BLASTP检索的步骤：

基本检索

输入查询序列：在“Enter query sequence”框中输入要查询的蛋白质序列。

选择搜索数据库：在“Choose search set”中选择要搜索的数据库，一般选择nr（非冗余蛋白质数据库）或swissprot等。

选择物种（可选）：在“Organism”中选择特定物种以缩小搜索范围。

算法参数设置

基本参数：

Max target sequence：设置要显示的最高匹配序列数，默认为100。

Short queries：对于短查询序列，可以调整此参数以影响期望值和字段长度。

Expected threshold：期望值E是一个重要的筛选指标，表示在数据库搜索中偶然发生的不同比对的个数。

Word size：单词长度，默认为3。对于BLASTP而言，较大的单词长度会得到更精确的搜索结果。

Max matches in a query range：允许抛弃数据库中的冗余匹配。

得分参数：

Matrix：选择氨基酸替换矩阵，默认使用BLOSUM62。对于短序列查询，建议使用PAM30矩阵。

Gap costs：设置空位成本，包括打开罚分和延伸罚分。

Compositional adjustment：进行组成校正，以适用于两个存在不标准组成的蛋白质之间的比对。

筛选和遮盖：

Filter：可以遮盖查询序列中的低复杂度部分。

Masking：对超过预期与数据库匹配的单词进行遮盖，避免匹配到低复杂度序列或重复片段。

三、检索结果

点击“BLAST”运行后，等待检索结果。检索结果将显示一系列与查询序列相似的蛋白质序列信息。

检索结果中包含了多个与查询序列相似的蛋白质序列信息，以下是对关键指标的解读：

Description：描述字段。如果结果中出现过多“hypothetical protein（假设蛋白）”、“Unnamed protein product（未命名蛋白）”、“Putative uncharacterized protein（未表征蛋白）”等结果，表明进行比对的数据库不太合适，检索结果意义不大。

Scientific Name：学名，表示匹配序列所属物种的科学名称。

Common Name：通用名，表示匹配序列所属物种的常用名称。

Taxid：物种的信息合集，表示匹配序列所属物种的税务分类标识符。

Max Score：最高得分，表示匹配序列与查询序列之间的最高相似性得分。分值越高，两个序列的相似性越高。

Total Score：总分，表示匹配序列与查询序列之间所有匹配片段的累计得分。

Query Cover：查询覆盖度，表示匹配序列覆盖查询序列的比例。

E value：E值，是一个统计值，表示匹配序列与查询序列之间偶然发生的概率。E值越小，匹配结果越可信。

Per. ident：一致性百分比，表示匹配序列与查询序列之间相同氨基酸的比例。

Acc. Len：序列长度，表示匹配序列的长度。

Accession：序列登录号，表示匹配序列在数据库中的唯一标识符。