第二章序列比对——Blast局部比对

阅读量： 330

主要为基因组测序比对相关知识，部分内容作笔记自查使用。如有错误或遗漏还请海涵，可评论或邮箱联系。
最后修改时间：2020-04-16 16:18:55 星期四

Blast局部比对流程

一、Filtering

【目的】
防止由于低复杂度和重复片段存在，而产生大量有统计学意义，但无生物学实际意义的比对结果

低复杂度和重复片段：

{\left( {CA} \right)_n}(CA)n

KLKLKLKLKLKL

【方法】
将查询序列中极低复杂度的片段mask掉

mask掩码

核酸残基用{N_s}Ns

氨基酸残基用{X_s}Xs

【程序参数】
-F：开启过滤

二、Seeding

【目的】
鸽子洞思想。将查询序列切片成一个一个的w-mers以便快速查找，其中w为切片长度

【方法】

氨基酸序列，w取3

核酸序列，w取11

【程序参数】
-W 数字：设定切片长度w

三、Search

【目的】
拿seeding产生list中的每一个word，去数据库中做匹配。保留匹配值大于设定阈值T的匹配点位置

对于氨基酸，使用BLOSUM矩阵或PAM矩阵

对于核酸，使用相同+5不相同-4，或相同+2不相同-3

【方法】
1、哈希表法：给word设定键值，通过键值直接寻址找匹配
2、有限自动机法：程序确定word里每一个字符的转换状态，然后去数据库中搜索

四、Extending

【目的】
将Search步骤找到的匹配点向前向后延伸，使之成为一个HSP。在扩展后的区域，应用Smith-Waterman动态规划算法，以便确定最终的比对，从而显著降低了计算量

【方法】
设定cutoff值S。如果延伸过程中，比对的打分低于S，我们就停止。下例设定S=0

五、Evaluation

【目的】
评估找到的比对结果的显著性。如果显著性水平高，说明该比对并不是因为随机原因而比对成功的

【方法】
E = kmne{}^{ - \lambda S}E=kmne−λS
m：查询序列长度
n：数据库长度
S：HSP的原始得分

通常E<0.05，认为具有统计意义上的显著性

Blast程序

类型	工具名	用途
核酸blast	blastn	短序列标准搜索
	megablast	相似序列（单物种）之间比对
	discontiguous megablast	跨物种序列比对
蛋白质blast	blastp	标准搜索
	psi-blast	使用blastp搜索结果，构建位置特异性打分矩阵（PSSM），迭代搜索
	phi-blast	发现具有相同表达模型且相似的蛋白质序列
核酸->蛋白	blastx	核酸序列转换成蛋白质序列搜索
核酸->蛋白	tblastx	核酸序列转换成蛋白质序列，再将核算数据库转换成蛋白质数据库搜索
蛋白->核酸	tblastn	蛋白质序列转换成核酸序列搜索