BLAST

BLAST (Basic Local Alignment Search Tool) on yleisimmin käytetty sekvenssihomologian hakutyökalu. Annetun kyselysekvenssin (nukleotidi tai proteiini) perusteella BLAST vertaa sitä sekvenssitietokantaan ja poimii sekvenssit, joilla on merkittävää samankaltaisuutta koetinseksvenssin 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.

BLAST

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia GNU LGPLv2.1 -lisenssillä.

Saatavuus

Roihu-CPU: moduuli blast-plus, bio-apps-moduulin kautta (suorita module avail ladattuasi bio-apps-moduulin nähdäksesi tarkan asennetun version).

Käyttö

BLAST+ on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten BLAST-moduuli:

module load bio-apps/v202603
module load blast-plus

Voit käyttää -help-valitsinta nähdäksesi minkä tahansa BLAST-komennon komentorivivalinnat, esimerkiksi:

blastp -help

BLAST-komennot

Yleisimmin käytetyt BLAST-hakukomennot ovat:

blastn hakee osumia nukleotidisekvenssille nukleotiditietokannasta
blastp hakee osumia proteiinisekvenssille proteiinitietokannasta
blastx hakee osumia nukleotidisekvenssille proteiinitietokannasta
psiblast tekee iteratiivisen haun proteiinisekvenssille proteiinitietokannasta
rpsblast hakee osumia proteiinisekvenssille proteiiniprofiilitietokannasta
rpstblastn hakee osumia nukleotidisekvenssille proteiiniprofiilitietokannasta
tblastn hakee osumia proteiinisekvenssille nukleotiditietokannasta
tblastx hakee osumia nukleotidisekvenssille nukleotiditietokannasta käyttämällä sekä kysely- että tietokantasekvenssien proteiinikäännöksiä.

Muita hyödyllisiä komentoja:

blastdbcmd hakee sekvenssin tai sekvenssijoukon BLAST-tietokannoista
makeblastdb luo uuden BLAST-tietokannan
blast_formatter muotoilee 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 (jokainen ydin antaa 1,875 Gt, enintään 32 ydintä / 60 Gt / 36 h):

sinteractive --account <project> --cores 8
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 yläpuolella olevat tunnisteet, kuten kaikkia kädellisiä vastaavan tunnisteen). Esimerkiksi kohdistaaksesi haun lintusekvensseihin (Taxonomy ID 8782) tietokannassa nr:

blastp -query test.fasta -db nr -taxids 8782 -out test.res

Jos käytät tiettyä osajoukkoa useita kertoja uudelleen, on tehokkaampaa poimia se kerran ja indeksoida siitä oma tietokanta. Käytä blastdbcmd-komentoa poimiaksesi taksonomisen ryhmän tietokannasta nr tai core_nt:

blastdbcmd -taxids 8782 -db nr -dbtype prot -out nrbirds.fasta -target_only

Oman tietokannan käyttäminen

Indeksoi oma FASTA-sekvenssijoukkosi komennolla makeblastdb:

makeblastdb -in nrbirds.fasta -dbtype prot

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 Service Deskiin teknistä tukea varten.

Lisätietoja

Lisätietoja BLASTista löytyy NCBI:n BLAST-sivulta.