[农学]3BLAST及序列的提交.pptVIP

BLAST基本原理—Step 1 1) 滤去低复杂度区域（Low Complexity Region,LCR) （Low Complexity Region, LCR) 一般指重复的能缩小不同序列间差异的序列片段。主要包括一些基因序列的固定结构， 如： Poly A 尾； Alu序列； 有多个重复序列的短序列片段； 某个字母的大量重复。 BLAST基本原理—Step 2 1）找到待搜索序列单词的字母匹配组合，以计分规则打分，选择阈值，淘汰低于阈值的字符串 举例: Word “gtt” 以gtt 作为检索字符串，在数据库中搜索。 那么数据库中的待搜索的word 有多少个？ 组合单词有3个字母，每个位置有4个碱基，则43 =64 计分规则：匹配=1分 错配=?3 分 ： “gtt” aaa=-9 aat=-5 aac=-9 aag=-9 ata=-5 att=-1 atc=-5 atg=-5 aca=-9 act=-5 acc=-9 acg=-9 aga=-9 agt=-5 agc=-9 agg=-9 taa=-9 tac=-9 tag=-9 tat=-5 tta=-5 ttt=-1 ttc=-5 ttg=-5 tca=-9 tct=-5 tcc=-9 tcg=-9 tga=-9 tgt=-5 tgc=-9 tgg=-9 设定阈值 设定阈值为-2，对所有的Word进行筛选 以筛选出的每个序列组合（word)对数据库中的每个序列进行扫描，以期找到种子序列匹配的部分。 例： 以att 为种子序列，在数据库中搜索。 找到若干条包含种子序列的目标序列。 如：序列A : tc att cga 序列B: tg att caa 序列C: ac att cct 获得HSP片段 将待检索序列，与目标序列进行匹配。种子向左向右延伸至计分不再增加，于是就获得了一个HSP片段。 例： 待搜索序列： ac gtt cgt 序列A : tc att cga 两序列序列进行匹配: 待搜索序列： ac gtt cgt 序列A : tc att cga HSP片段1： cattcg 待搜索序列： ac gtt cgt 序列B : tg att caa 两序列序列进行匹配: 待搜索序列： ac gtt cgt 序列B : tg att caa HSP片段2： attc 筛选HSP片段 设定一个阈值删去某些低分的结果。 例：设定阈值为+1，匹配 +1 错配 -3 目标序列 ： ac gtt cgt HSP片段1： c att cg （1-3+1+1+1+1=2) HSP片段2： att c (-3+1+1+1=0) HSP片段3： ac att c (1+1-3+1+1+1=2) 则删除HSP2,保留HSP1和HSP3 统计各HSP片段的分值（Score)和E值 分值(Score): 是衡量查询序列同命中序列间相似性的测度。分值越高，命中序列与查询序列越相似。 E值: 又称期望值。是随机产生一个比所得分值高的对位排列的概率，即分值可靠性的测度。 E值越小, 所命中序列越可靠。 E值计算公式 E = K · m · n · e -λS K， 一个与目标序列相关的经验常数 λ ，与计分（分值）系统相关的经验常数 m，查询序列大小 n，所查询数据库大小 S，分值 基因组BLAST 基本BLAST 特殊类型数据库的搜索 如何获得BLAST服务 NCBI主站点： /BLAST/(网络版) /blast/ (单机版) BLAST实例 GGAACACTCATCGACGCCGTGAACAAGCGGGGCAAAAAACAAAACAAAAGAGGAGGGAATGAAAGCTCGATCATGTGGCTTGCCAGCTTGGCAATTATAACAGCCTGTGCCGGAGCCATGAAGCTATCAAACTTTCAAGGAAAGCTCCTGATGACCATCAACAACACGGACAT