blastdbcmd,makeblastdb,blastn.使用简介
1 blastdbcmd
作用: Retrieves sequences or other information from a BLAST database
它相当于以前的fastacmd.利用这个命令,可以从blast数据库中获得你想要的信息:
例子0:
`blastdbcmd -db refseq_rna -info`
`blastdbcmd -db refseq_rna -info`
可以查看数据库refseq_rna的信息
例子1:
`blastdbcmd -db refseq_rna -entry 224071016 -outtest.fa`
`blastdbcmd -db refseq_rna -entry 224071016 -out test.fa`
可以从数据库中提取除gi号为224071016的序列,并且以fasta格式存入文件(当然也可以以其它格式获得序列)
注:
gi ID是许多用来标志序列的标识符中的一种.是数据库文件中普遍使用,通行有效的保持索引的形式。所有来源于NCBI的序列都有一个gi号“gi|gi_identifier”.是绝对唯一的，而自己利用makeblastdb命令 构建的数据库中,利用以下三种标识符：
gnl|database|identifier
lcl|identifier
identifier
这些标识符的作用是区别于gi号在本数据库中，使得序列标识符唯一在查询和比对中分辨query序列与subject序列，
更加详细的参数参照 blastdbcmd -help
2 makeblastdb
makeblastdb -ininput_file -dbtype molecule_type -input_type type_string -title database_title -parse_seqids -outdatabase_name -logfile File_Name
makeblastdb -in input_file -dbtype molecule_type -input_type type_string -title database_title -parse_seqids -out database_name -logfile File_Name
-in 后接输入文件，你要格式化的序列
-dbtype 后接序列类型，nucl为核酸，prot为蛋白
-title 给数据库的别名
-input_type 给出输入文件的序列格式.
-parse_seqids 将序列分列
-out 后接数据库名，自己起一个有意义的名字，以后blast+搜索时要用到的-db的参数
-logfile 日志文件，如果没有默认输出到屏幕
更加详细的参数参照 makeblastdb -help
3 blastn简单介绍
作用: 核苷酸序列的比对以及结果分析
例子0: 最简单的使用格式
```
blastn -query test_query.fa -db refseq_rna -outtest_results
blastn -query test_query.fa -db refseq_rna -out test_results
```
例子1:
```
blastdbcmd -db refseq_rna -entry nm_000249 -outtest_query.fa
blastn -query test_query.fa -db refseq_rna -task blastn -dust no -outfmt 7 -num_alignments 2 -num_descriptions 2
blastdbcmd -db refseq_rna -entry nm_000249 -out test_query.fa
blastn -query test_query.fa -db refseq_rna -task blastn -dust no -outfmt 7 -num_alignments 2 -num_descriptions 2
```
-task 规定搜索采用的策略:可选为'blastn' 'blastn-short' 'dc-megablast' 'megablast' 'vecscreen'. 默认为`megablast'
例子2: 常用的格式:
blastn -db database_name -query input_file -outoutput_file -evalue evalue -max_target_seqs num_sequences -num_threads int_value -outfmt"7 qacc sacc evalue length pident"
blastn -db database_name -query input_file -out output_file -evalue evalue -max_target_seqs num_sequences -num_threads int_value -outfmt "7 qacc sacc evalue length pident"
-evalue 预期的从hit筛选hsp的阈值
-outfmt 选择性输出的一些内容. 如 : 7 代表查询结果表格化并且带有注释行. 而 qacc 以及 sacc等则是自定义的所需的信息.可供选择的信息选项详见 -outfmt参数.-outfmt直接触发分析程序,而不用另外使用分析程序了.
更加详细的参数参照 blastn -help
经过观察发现: 用于blastn的query序列使用 fasta格式即可. 而数据库则不能直接使用fasta格式.而且数据库实际上是一个文件夹,而非单个文件.
可以使用makeblastdb将fasta格式的文件转化为数据库
另一方面可以用blastdbcmd从数据库中获取信息
makeblastdb,blastdbcmd,blastn使用示例:
现有fasta文件test.fasta
注意:自己生成的数据库中序列命名有以下三种形式：
a） > gnl|database|identifier
b） > lcl|identifier
c) > identifier
1 makeblastdb使用示例:
1)用命令将test.fasta转化为数据库test_db:makeblastdb -in test.fasta -dbtype nucl -title ctjsw -parse_seqids -out test_db
```
ctjsw@xps:~/blast-lastest$ makeblastdb -intest.fasta -dbtype nucl -title ctjsw -parse_seqids -outtest_db
ctjsw@xpsp:~/blast-lastest$ makeblastdb -in test.fasta -dbtype nucl -title ctjsw -parse_seqids -out test_db
```
2)格式化数据库后，创建三个主要的文件——库索引(indices)，序列(sequences)和头(headers)文件。生成的文件的扩展名分别是：.pin、.psq、.phr（对蛋白质序列）或.nin、.nsq、.nhr（对核酸序列）。而其他的序列识别符和索引则包含在.psi和.psd（或.nsi和.nsd）中。
该示例是核苷酸所以生成的数据库文件是: .nin , .nsq ,nhr , .nsi ,.nsd ,.nog
2 blastdbcmd使用示例
```
ctjsw@xps:~/blast-lastest$ blastdbcmd -db test_db -info
ctjsw@xps:~/blast-lastest$ blastdbcmd -db test_db -info
```
Database: nr
3 sequences; 1,029 total bases
Date: May 19, 2011 5:56 PM Longest sequence: 389 bases
Volumes: /home/ctjsw/blast-lastest/test_db
2)从test_db中抽取一段 数据库的序列(seq1),并以fasta形式显示
```
$ctjsw@xps:~/blast-lastest$ blastdbcmd -db test_db -entry seq1
$ctjsw@xps:~/blast-lastest$ blastdbcmd -db test_db -entry seq1
```
>lcl|seq1
ATGTTCAACGCGAAGAACGGTTTTTCTGAGGCACACGTGAGGGGATGTCAGACCAAACGACTCACCAAACAGAACTACGC
CGAACTTTCTCGATGTGACACGTTGGAAGACATCAAGACGTACTTGCAAACGATGAGTGATTATTCAGAATATGTTCGTG
ATCTTCAAGCGCCAGTGAGACCGGTTGACATTATTGAATGCTGCAGAAAGAGACAGATCGCAGAGTTTAATATTTGCTGT
CAGCAGGCTTCTTCCCCTTTGTCCAATTTTTTGGAGTATTTGACGTACGGATACATGATCGATAATCTTGTGTTGGCTTT
test_db是自定义的数据库.利用自己的标识符"seq1",可以成功抽取了在数据库中标识符为 lcl|seq1 的序列.
在使用下载的数据库时同样可以使用gi ID 抽取序列.
3)将抽取的序列以fasta格式保存到 test_query文件
```
ctjsw@xps:~/blast-lastest$ blastdbcmd -db test_db -entry seq1 -out test_query
ctjsw@xps:~/blast-lastest$ blastdbcmd -db test_db -entry seq1 -out test_query
```
1)利用上面生成 fasta格式的 test_query与 自定义的数据库 test_db进行比对.
```
ctjsw@xps:~/blast-lastest$ blastn -query test_query -db test_db
ctjsw@xps:~/blast-lastest$ blastn -query test_query -db test_db
```
```
ctjsw@xps:~/blast-lastest$ blastn -query test_query -db test_db -task blastn -dust no -outfmt 7 -num_alignments 2 -num_descriptions 2
ctjsw@xps:~/blast-lastest$ blastn -query test_query -db test_db -task blastn -dust no -outfmt 7 -num_alignments 2 -num_descriptions 2
```
# 1 hits found
lcl|seq1 seq1 100.00 320 0 0 1 320 1 320 2e-169 578
