Blast

2018年10月19日　更新
2014年11月21日　更新

Blastとは

Blast; Basic Local Alignment Search Toolの略．最も広く使われている配列類似性ツールです．
ここではblast+を紹介します．古いlegacy BLASTよりも機能が多い最新版です．

インストール

1. ここからblastの最新版をダウンロード．環境によるが，新しいMacなら~~.dmgでよいはず．
2. それをクリックして，言われるとおりにインストール．
3. /usr/local/ncbi/blast/bin にPATHを通す．いらないかも.

使い方

-hで簡単なヘルプ，-helpで詳細なヘルプが見れます．
DLしたゲノムデータと自分で取得した配列と相同な領域を探す方法です．
最初に検索されるゲノムのデータベースを作成します．
もしゲノムのIDに縦線の区切り(gi|129295)があったら，-parse_seqidsを追加しておくとよいです．
-dbtypeは塩基配列のときはnucl,アミノ酸配列のときはprotになります．

自分で読んだ配列をクエリとして，ゲノム中から検索します．
blastnは塩基配列のデータベースに塩基配列のクエリで検索します．
blastpはタンパク質のデータベースにタンパク質のクエリで検索します．

-evalue 0.001を追加すると、evalueが0.001以下のときだけ出力する．
-task 'blastn-short'を追加すると，短いクエリも出力する．
-max_target_seqs 1 を追加すると，出力するアウトプットを1つにする．
-num_threads 4 を追加すると，スレッド数を変更する．
-outfmt 数字
でアウトプットの形式を変えられる．数字は0-12まで．デフォルトは0です．6,7,10は更に細かく指定できる.多くの情報がほしい場合はデフォルトの0，シンプルでよければ6か7がオススメ.
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 = XML Blast output,
6 = tabular,
7 = tabular with comment lines,
8 = Text ASN.1,
9 = Binary ASN.1,
10 = Comma-separated values,
11 = BLAST archive format (ASN.1)
12 = JSON Seqalign output


データベース等はFTPサーバーからDLできます．
環境変数 BLASTDB で，データベースを指定できる．
のようなものを~/.bash_profileや~/.zshrcに加える．

nrやntとのblastでgiだけでなく種名を取得したい場合

1. ここからtaxdb.tar.gzをDL．
2. BLASTDBに指定した場所へmvで移動して解凍する．
3. blast時にオプション-outfmt "6 qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore staxids sscinames scomnames"を追加すると，outfmt 6に続いてtaxidや学名，種名が表示される．

参考文献

http://www.ncbi.nlm.nih.gov/books/NBK1762/
https://heavywatal.github.io/bio/blast.html
http://www.metagenomics.wiki/tools/blast/blastn-output-format-6