Linux中Java程序调用Blast进行序列匹配

这几天在进行一个DNA序列管理Web程序，需要使用查询序列与数据库中保存的序列进行匹配，但是由于序列比较长，而且数据库里面存在的序列较多，因此如果自己手动写一个动态规划算法会比较麻烦，因此决定使用现在常用的Blast做序列的比对。

使用Blast进行序列比对，一般有两个步骤：1、格式化数据库，2、在数据库中查询相应序列并返回结果。 

下面根据我的编程经历介绍一下如何在Linux中使用Java调用Blast进行序列比对。

首先，下载Blast程序对应的压缩包，然后把blast文件解压，将对应的bin目录下的文件拷贝到系统中相应的位置（例如：/usr/local/bin），在使用过程中用户可以根据具体情况建立软链接。

其次，进行序列数据库的格式化。

Linux中使用formatdb进行序列数据库的格式化，格式化命令："formatdb -i DBfile1 -p (T/F) -o (T/F)"，下面介绍一下具体参数

-i：输入需要格式化序列库的绝对路径，序列库一般一般使用的是fasta文件。

-o [T/F]：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。默认值为F。

-p [T/F]：选择建库的类型，“T”表示建立的是蛋白质数据库，“F”表示建立的是核酸数据库，缺省值为T。

通过Java调用formatdb代码段为：

Process process = Runtime.getRuntime.eexec("formatdb -i DBFile -p T -o T");

process.waitFor(); //等待命令执行结束，获取执行结果

程序运行结束后，如果建立的是核酸库，-o为F时，会输出**.nhr，**.nin，**.nsp文件，-o为T时，还会多输出**.hsd，**.nsi，**.nni和**.nnd文件。类似的，当建立的是蛋白质也会输出相应的文件：[-o F]--**.phr，**.pin，**.psq；[-o T]--**.psd，**.psi，**.pni，**.pnd。

最后，序列比对并返回结果

Blast的主程序是blastall，序列比对命令：“blastall -p 比对程序 -i querySequence -d Database -o result -b [0-N] -T [T/F]”，下面介绍一下具体参数：

-p--确定使用哪个程序进行比对，一共有下面5种取值：

blastp--蛋白质序列与蛋白质库做比对；

blastx--核酸序列与蛋白质库做比对；

blastn--核酸序列与核酸库作比对；

tblastn--蛋白质序列与核酸库作比对；

tblastx--核酸序列与核酸库在蛋白质级别作比对。

-d -- 搜索的数据库名称，该数据库为formatdb格式化后的结果；

-i -- 需要查询的序列文件对应的绝对路径；

-o -- 比对结果输出文件；

-b [0-N] -- 显示比对结果的最大数目，缺省值为250；

-T [T/F] -- 产生HTML格式的输出，缺省值为F。

通过Java调用formatdb代码段为：

Process process = Runtime.getRuntime.eexec("blastall -p 比对程序 -i querySequence -d Database -o resultFile -b [0-N] -T [T/F]");

process.waitFor(); //等待命令执行结束，获取执行结果

此外，还有许多其他的参数可以选择，下面简要介绍几个重要的参数：

-G -- 打开一个gap的罚分，默认为0；

-e -- 期望值，缺省值为10，表示比对结果中由于随机偶然性产生的匹配结果不大于10，其值越小表示比对结果越可信。

-m -- 比对结果输出格式，缺省值为0，即pairwise格式，此外用户还可以需求在1~11选择。

0 = pairwise

1 = query-anchored showing identities

2 = query-anchored no identities

3 = flag query-anchored, show identities

4 = flag 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