Linux下BLAST安装及BLAST使用

1、把BLAST的压缩文件解压，然后将bin目录下的文件拷贝至/usr/local/bin下；

2、制作软链接，将解压后的文件中bin目录链接至/home/username下，eg：ln -s /home/username/blast/bin；

3、在当前用户目录下，编辑bashrc文件，在文件中加入export PATH=/home/username/bin/=$PATH;

4、在当前目录下，将数据文件格式化，$formatdb -i filename.后缀 -p F -o T

5、将待进行blast的文件转化为test.txt文件，拷贝文件内容如下：

>test....

ACGTCAGTCGATCGAT.....

6、进行比对

$blastall -p blastn -d filename.后缀 -i test.txt -o test.out

formatdb -i ncbi_arab2.fna -o T -p F

$blastall -p blastn -i Cereon_Ath_Ler.fasta -d ncbi_arab2.fna -e 1e-10 -o result

假设：

你安装的blast路径为 /opt/blast/

1、把BLAST的压缩文件解压，然后将bin目录下的文件拷贝至/usr/local/bin下；

目的：所有用户，不管其当前路径是什么，均可以在命令行下直接调用blast包中的程序，而无需指定该程序的路径

解释：系统的PATH环境变量中包含/usr/local/bin，在命令行下调用blast包中的程序时，系统会去/usr/local/bin路径下寻找相应的命令程序

建议：简单起见，你可以略过这一步，除非你希望当使用其他用户登录后，也可以直接输入程序名来使用你安装的blast

2、制作软链接，将解压后的文件中bin目录链接至/home/username下，eg：ln -s /home/username/blast/bin；

目的：为第3步所做的准备工作

建议：简单起见，你可以略过这一步

3、在当前用户目录下，编辑bashrc文件，在文件中加入export PATH=/home/username/bin/=$PATH;

纠正：这里有一些笔误，应当是编辑.bashrc文件，并在文件中加入export PATH=/home/username/bin/:$PATH;

目的：当前用户登录后，可以直接输入程序名来使用blast

建议：简单起见，你可以略过这一步

4、在当前目录下，将数据文件格式化，$formatdb -i filename.后缀 -p F -o T

执行：

代码:

/opt/blast/bin/formatdb -i {data file here} -p F -o T

5、将待进行blast的文件转化为test.txt文件，拷贝文件内容如下：

>test....

ACGTCAGTCGATCGAT.....

这个没什么好说的，改个文件名

6、进行比对

$blastall -p blastn -d filename.后缀 -i test.txt -o test.out

执行：

代码:

/opt/blast/bin/blastall -p blastn -d {database file here} -i test.txt -o test.out

补充说明：

1．运行建库程序formatdb：

建库的过程是建立目标序列的索引文件，所用程序是formatdb。程序允许的输入格式FASTA或者ASN.1格式，通常我们使用FASTA格式的序列作为输入。用于建库的FASTA序列是db.seq，formatdb的基本命令是：

formatdb -i db.seq [-options]

常用的参数有以下几个：

-p (T/F)：-p参数的意义是选择建库的类型，"T"表示蛋白库，"F"表示核酸库。缺省值为"T"。

-o (T/F)：-o参数的意义是判断是否分析序列名并建立序列名索引。"T"表示建立序列名索引，"F"表示不建立序列名索引。缺省值为"F"。

程序输出：

如果建立的是核酸库，输出为db.seq.nhr、db.seq.nin、db.seq.nsq，如果选择了参数"-o T"，还会同时输出db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd。

蛋白库和核酸库的输出类似，相应的输出文件为：db.seq.phr、db.seq.pin、db.seq.psq和db.seq.psd、db.seq.psi、db.seq.pni、db.seq.pnd。

除了这些结果，程序还会输出LOG文件（默认为formatdb.log），里面记录了运行时间、版本号、序列数量等信息。

2．运行比对程序blastall：

Blast的主程序是blastall。程序的输入文件是query序列（-i 参数）和库文件（-d 参数），比对类型的选择（-p参数）和输出文件（-o 参数）由用户指定。其中“-p”参数有5种取值：

-p blastp：蛋白序列与蛋白库做比对。

-p blastx：核酸序列对蛋白库的比对。

-p blastn：核酸序列对核酸库的比对。

-p tblastn：蛋白序列对核酸库的比对。

-p tblastx：核酸序列对核酸库在蛋白级别的比对

blastall是最常用的blast程序之一，其功能非常强大，其下面有非常多的参数，但是一般使用的参数如：-p、-i、-d、-o、-e等几个。

3．运行参数说明：

-p: 执行的程序名称

-d: 搜索的数据库名称

-i : 要查询的序列文件名(Query File)

-e:(数学)期望值(Expectation value)，E值是个统计阈值，缺省值10, 意指比对结果中由于随机偶然性产生的匹配结果不大于10,E值越小结果越可靠。

-o :查询结果输出文件名

-m: 比对结果显示格式选项，缺省值为0 ，即pairwise格式。另外还可以根据不同的需要选择1~6等不同的格式。

-I :在描述行中显示gi号[T/F]，缺省值F

-v :单行描述（one-line description）的最大数目，缺省值500

-b :显示的比对结果的最大数目，缺省值250

-F :对于要查询的序列做低复杂度区域(low complexity regions, LCR)的过滤[T/F]，缺省值T。对blastn用的是DUST程序，其他比对用的是SEG程序。

所谓“低复杂度区域”是指某些或一些残基过多表现，短周期重复等。对于高等哺乳动物的基因组序列，可以先用RepeatMask程序遮蔽重复元件。在输出结果中，对LCR区的序列核酸用“N”代替，蛋白质序列用“X”代替。

-a:运行BLAST程序所使用的处理器的数目，缺省值1

-S:在数据库中搜索时所使用的核酸链（strand），只对blastn、blastx和tblastx有效；1表示top，2表示bottom，3表示both；缺省值3

-T: 产生HTML格式的输出[T/F]，缺省值F

-n: 使用MegaBlast搜索[T/F]，缺省值F

-G: 打开一个gap的罚分（0表示使用缺省设置值），默认0

-E: 扩展一个gap的罚分（0表示使用缺省设置值），默认0

-q: 一个核酸碱基的错配(mismatch)的罚分（只对blastn有效），缺省值-3

-r : 一个核酸碱基的正确匹配(match)的奖分（只对blastn有效），缺省值1

-M: 所使用的打分矩阵，缺省值BLOSUM62

4．输出结果参数说明：

-m: 比对结果显示格式选项

0 = pairwise,

1 = query-anchored showing identities,

2 = query-anchored no identities,

3 = flat query-anchored, show identities,

4 = flat query-anchored, no identities,

5 = query-anchored no identities and blunt ends,

6 = flat query-anchored, no identities and blunt ends,

7 = XML Blast output,

8 = tabular,

9 tabular with comment lines

10 ASN, text

11 ASN, binary

输出结果是m8格式