BLAST序列相似性检索.docVIP

BLAST序列相似性检索序列类似性检索就是将新测定的核酸或蛋白质序列对核酸或蛋白质序列数据库进行检索，找出与之相似的序列，从而评判新测定的序列是重复别人的工作，还是在前人的基础上有所创新，或是发现了新的序列。现在用于序列类似性检索的软件很多，下面主要介绍GenBank的序列类似性检索工具棗BLAST。1. BLAST简介BLAST是Basic Local Alignment Search Tool的英文缩写，意即碱基局部对准检索工具，是一种序列类似性检索工具。它采用统计学记分系统，能将真正配对的序列同随机产生的干扰序列区别开来；同时采用启发式算法系统，即采用的是局部对准算法(Local Alignment Algorithm)，而不是全序列对准算法(Global Alignment Algorithm)。全序列对准算法是在检索结果中两个被比较序列所有片断均类似；而局部对准算法是找出两个被比较序列的“最类似”片断，并得出可能只包含两个序列的某个部分的对准结果。在BLAST的基础上，NCBI又开发了BLAST 2.0、Gapped BLAST和PSI-BLAST。BLAST 2.0是一种新的BLAST检索工具，它对BLAST作了改进，运行速度更快，灵敏度更高，同时具有Gapped BLAST和PSI-BLAST两种软件的新功能。Gapped BLAST允许在对准的序列中引入空位(碱基缺失或插入)，引入“空位”(Gaps)意味着在比较两个相关序列时不会出现中断(Break)现象。这些空位对准的记分系统更能反映相关序列的类似程度。PSI-BLAST的全称是Position-Specific Iterated BLAST，意即特殊位置重复BLAST，它提供了自动、易用的概貌(Profile)检索，是查找序列同源(Sequence Homologues)的有效方法。目前，PSI-BLAST仅用于比较蛋白质查询序列与蛋白质数据库中的序列的类似程度。2. 使用NCBI BLAST服务的四种基本方法(1)经由WWW使用的BLAST使用BLAST最容易的方法是WWW方式。在用户的浏览器中键入NCBI的URL地址：http//，进入NBCI主页，然后链接到BLAST主页。BLAST主页提供了好几种BLAST检索软件，包括BLAST、BLAST 2.0、Gapped BLAST和PSI-BLAST等，其中BLAST和BLAST 2.0提供了基本检索和高级检索两种模式。(2)网络版的BLASTBLAST2是标准的网络BLAST客户软件，它可以通过NCBI匿名的FTP服务器()下的/blast/network/blast2/获取。PowerBlast是用于大规模分析基因序列的网络BLAST客户应用软件，它可以通过NCBI匿名的FPT服务器()下的/blast/network/blast2/powerBLAST/获取。(3)独立运行的BLASTBLAST 2.0可以在本地计算机上独立运行，也可以在自建的序列数据库中进行BLAST检索，还可以下载NCBI数据库中的记录。BLAST运行的软硬件环境为IRIX 6.2、Solaris 2.5、PEC OSF1(第四版)和Win32系统。可独立运行的BLAST 2.0在NCBI匿名的FTP服务器()下的/blast/executables/获取。(4) 电子邮件的BLAST通过电子邮件对基因库进行BLAST检索（详见本章第四节二）。3. BLAST的检索方法(1) BLAST数据库的选择BLAST检索的数据库包括两大类：一类是肽序列数据库，另一类是核酸序列数据库。 肽序列数据库包括：nr: 所有无冗余基因库CDS转录产物、PDB、SwissProt以及PIR序列month: 最近30天注释的所有新增的或修订的基因库CDS转录产物、PDB、SwissProt和PIR序列。SwissProt: SwissProt蛋白质序列数据库中最新的主要注释(无更新)序列。yeast: Yeast(Saccharomyces Cerevisiae)蛋白质序列。E.coli: E.coli基因CDS转录产物。pdb: 从Brookhaven蛋白质序列数据和三维结构衍生出来的序列。Kabat [Kabatpro]: 免疫学上感兴趣的蛋白质序列Kabat数据库。alu: 从重复序列数据库(REPBASE)选取的Alu重复序列，适用于过滤查询序列中Alu重复序列。通过匿名FTP从下的/pub/jmc/alu目录中获取。 核酸序列数据库包括：nr: 所有无冗余的GenBank+EMBL+DDBJ+PDB序列；但不包