BLAST速学.ppt

* * * * * * * * * * * * * * * * * * * * WPF 2011.12.8 BLAST简介 BLAST 的算法 BLAST 搜索策略 BLAST是一套在蛋白质数据库或DNA数据库中进行相似性比较的分析工具。 BLAST程序能迅速与公开数据库进行相似性序列比较，采用一种局部的算法获得两个序列中具有相似性的序列，其结果中的得分是对一种对相似性的统计说明。 BLAST （Basic Local Alignment Search Tool） BLAST的应用 确定特定的序列有哪些已知的同源序列 确定哪些蛋白质和基因在特定的物种中出现 确定一个DNA或蛋白质序列身份 发现新基因 确定一个特定基因或者蛋白质有哪些已经被发现了的变种 研究可能存在多种剪辑方式的表达序列标签 寻找对于一个蛋白质功能或结构起关键作用的氨基酸残基 BLAST中常用的程序介绍 程序 输入 数据库 1 blastn DNA DNA 1 blastp protein protein 6 blastx DNA protein 6 tblastn protein DNA 36 tblastx DNA DNA BLAST算法 可找到一个查询序列和一个数据库序列之间的匹配关系，然后向两个方向延伸。搜索结果既包括数据库中高度相关的序列，也包括边缘性相关区域，并用一个打分图描述查询序列与每个数据库匹配之间的相关程度。 分为三个阶段：列表、扫描、延伸 编译高于阈值T的字段 (w=3) Example： for a query ：…FSGTWYA…(query word is in yellow) A list of words (w=3) is: FSG SGT GTW TWY WAY（由查询序列生成的字段） YSG TGT ATW SWY WFA FTG SVT GSW TWF WYS Phase 1: 列表 Phase 1: 列表 (w=3) 编译一个由查询序列生成的长度固定为w的“字段”列表。针对比对字段打分建立阈值T，大于T的字段被定义为匹配。 GTW 6,5,11 22 neighborhood GNW 6,0,11 17 word hits GAW 6,0,11 16 threshold ATW 0,5,11 16 GTF 6,5,1 12 GTM 6,5,-1 10 neighborhood DAW -1,0,11 10 word hits below threshold （根据blosum62打分） (T=11) 比对得分由一个打分矩阵确定，如Blosum62 Phase 2:扫描 在数据库中扫描与编译列表匹配的记录。 最初blast运行只寻找一个匹配，目前版本需要寻找两个相隔一定距离A的相互分离的字段（如两个没有重叠区域的字段），然后生成这两个匹配的一个无空位的延伸。 提高了搜索速度，匹配量增加，但只需要进行原来1/7的延伸操作。 参数A的默认值为40。 当找到一个匹配（hit），像两个方向延伸匹配序列； 追踪分值大小（使用打分矩阵）； 当分值下降时停止。 KENFDKARFSGTWYAMAKKDPEG 50 RBP (query) MKGLDIQKVAGTWYSLAMAASD. 44 lactoglobulin (hit) Hit! extend extend Phase 3: 延伸 通过延伸匹配得到高分片段对（HSPs） slower faster Search speed lower T higher T Blast中改变阈值T的效果 better worse slower faster Sensitivity Search speed lower T higher T Blast中改变阈值T的效果 better worse slower faster Sensitivity Search speed small w large w lower T higher T 对于蛋白质，默认的字段为3，结果比字段2更为准确 Blast中改变阈值T的效果 期望值（expect value） E，是在一次数据库搜索中，随机条件下期望发生的得分等于或大于S的不同比对的数目； E值与概率p相关； 描述E值的公式： E = Kmn e-lS BLAST结果的解释：期望值（expect value） 如何评估结果的显著性 如何处理太多的结果 如何处理太少的结果 利用一个多结构域蛋白（HIV-1 pol）进行BLAST搜索 利