BLAST¶
BLAST (Basic Local Alignment Search Tool) on yleisimmin käytetty sekvenssihomologian hakutyökalu. Kun annetaan kyselysekvenssi (nukleotidi tai proteiini), BLAST vertaa sitä sekvenssitietokantaan ja poimii sekvenssit, joilla on merkittävää samankaltaisuutta kyselysekvenssin kanssa. BLAST käyttää heuristista hakuprotokollaa, mikä tekee hausta erittäin nopean verrattuna ei-heuristisiin menetelmiin. Käytetyt heuristiikat voivat kuitenkin aiheuttaa sen, että BLAST ei löydä kaikkia merkittäviä osumia.
NCBI-BLASTin komentoriviversio (BLAST+) mahdollistaa kaikkien BLASTin parametrien muokkaamisen, erityismenetelmien kuten PSI-BLASTin ja PHI-BLASTin käytön sekä suurten datajoukkojen analysoinnin.
Lisenssi¶
Vapaasti käytettävissä ja avointa lähdekoodia GNU LGPLv2.1 -lisenssillä.
Saatavuus¶
- Roihu-CPU: moduuli
blast-plus,bio-apps-moduulin kautta (suoritamodule availladattuasibio-apps-moduulin nähdäksesi tarkan asennetun version).
Käyttö¶
BLAST+ on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten BLAST-moduuli:
Voit käyttää -help-valitsinta nähdäksesi minkä tahansa BLAST-komennon komentorivivalinnat,
esimerkiksi:
BLAST-komennot¶
Yleisimmin käytetyt BLAST-hakukomennot ovat:
blastnhakee osumia nukleotidisekvenssille nukleotiditietokannastablastphakee osumia proteiinisekvenssille proteiinitietokannastablastxhakee osumia nukleotidisekvenssille proteiinitietokannastapsiblasttekee iteratiivisen haun proteiinisekvenssille proteiinitietokannastarpsblasthakee osumia proteiinisekvenssille proteiiniprofiilitietokannastarpstblastnhakee osumia nukleotidisekvenssille proteiiniprofiilitietokannastatblastnhakee osumia proteiinisekvenssille nukleotiditietokannastatblastxhakee osumia nukleotidisekvenssille nukleotiditietokannasta käyttämällä sekä kysely- että tietokantasekvenssien proteiinikäännöksiä.
Muita hyödyllisiä komentoja:
blastdbcmdnoutaa sekvenssin tai sekvenssijoukon BLAST-tietokannoistamakeblastdbluo uuden BLAST-tietokannanblast_formattermuotoilee uudelleen BLAST-arkistomuotoisen tulostiedoston.
BLAST-haut suuria jaettuja tietokantoja vastaan vaativat paljon muistia ja aikaa, joten
aja ne interaktiivisessa istunnossa tai
eräajona kirjautumissolmun sijaan. Esimerkiksi interactive-osiolla
(enintään 32 ydintä / 64 GiB / 36 h):
sinteractive --account <project> --cores 8 --mem 16G
module load bio-apps/v202603 blast-plus
blastp -query proteinseq.fasta -db nr -evalue 0.001 -outfmt 7 -out result.table
Suuret työt, jotka tarvitsevat enemmän aikaa tai muistia, kannattaa lähettää small-osiolle
eräajona.
Viitetietokannat¶
CSC tarjoaa Roihussa jaettuja, valmiiksi rakennettuja BLAST-tietokantoja, ja blast-plus-moduuli asettaa ympäristömuuttujan $BLASTDB osoittamaan niiden sijaintiin
(/dataset/project_2020345/blast). Viittaat tietokantaan sen perusnimellä
valitsimella -db, ja BLAST ratkaisee sen automaattisesti hakemistosta $BLASTDB:
| Perusnimi | Tyyppi | Tietokanta |
|---|---|---|
core_nt |
nukleotidi | NCBI Core nucleotide (kuratoitu korvaaja vanhalle nt:lle) |
nr |
proteiini | NCBI:n ei-redundantti proteiinitietokanta |
uniref50.fasta |
proteiini | UniRef50 |
Taksonomiatiedostot (taxdb.*, taxonomy4blast.sqlite3) on sijoitettu niiden rinnalle,
joten taksonomiset nimet näkyvät tulosteessa ja -taxids-suodatus toimii suoraan.
# nucleotide query vs. Core nucleotide
blastn -query nuc.fasta -db core_nt -out results.out
# protein query vs. nr
blastp -query proteinseq.fasta -db nr -out result.txt
Taksonomian käyttäminen haun kohdentamiseen¶
Yleiskäyttöiset tietokannat kuten core_nt ja nr ovat erittäin suuria, joten haun rajaaminen
taksonomiseen osajoukkoon nopeuttaa sitä ja pitää epäolennaiset osumat poissa. BLAST+
hyväksyy myös ei-lehtitason taxID:t (eli organismitason yläpuolelta, kuten kaikkia kädellisiä koskevan tunnisteen).
Esimerkiksi jos haluat kohdistaa haun nr-tietokannan lintusekvensseihin (Taxonomy ID 8782):
Jos käytät tiettyä osajoukkoa useita kertoja, on tehokkaampaa poimia se kerran ja indeksoida siitä oma tietokanta. Käytä blastdbcmd-komentoa poimiaksesi taksonomisen ryhmän
nr- tai core_nt-tietokannasta:
Oman tietokannan käyttäminen¶
Indeksoi oma FASTA-sekvenssijoukkosi makeblastdb-komennolla:
Jos haluat hakea omassa hakemistossasi olevaa tietokantaa vastaan, lisää sen polku $BLASTDB:n alkuun, jotta
BLAST löytää sekä oman tietokantasi että jaetut tietokannat:
export BLASTDB=/scratch/<project>/my_blastdb:$BLASTDB
blastp -query query.fasta -db nrbirds.fasta -out bird-only-hits.res
Tuki¶
Ota yhteyttä CSC:n Service Deskiin teknistä tukea varten.
Lisätietoja¶
Lisätietoja BLASTista löytyy NCBI:n BLAST-sivulta.