之前写过一篇如何使用blast+套件进行本地blast库的创建及比对，今天跟大家聊聊比对结果的输出格式。
比对命令
blastn -db test -query test.fa -outfmt 0 -out test.o0
通过outfmt参数指定输出格式，官方提供的输出格式是19种，以下是具体的介绍。
第 1 种：outfmt 0
软件默认的输出格式，与网页版展示的比对结果类似。包括比对统计结果、比对序列等信息，示例如下。
Query= test1
Length=50
Score
Sequences producing significant alignments: (Bits)
23 dna:primary_assembly primary_assembly:ARS-UCD1.2:23:1:524986... 93.5
4 dna:primary_assembly primary_assembly:ARS-UCD1.2:4:1:12000060... 75.0
X dna:primary_assembly primary_assembly:ARS-UCD1.2:X:1:13900914... 54.7
> 23 dna:primary_assembly primary_assembly:ARS-UCD1.2:23:1:52498615:1
REF
Length=52498615
Score = 93.5 bits (50), Expect = 5e-18
Identities = 50/50 (100%), Gaps = 0/50 (0%)
Strand=Plus/Plus
Query 1 GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG 50
||||||||||||||||||||||||||||||||||||||||||||||||||
Sbjct 24604334 GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG 24604383
从上到下每条序列结果依次展示，首先是全部比对结果的信息，只显示序列信息以及比对得分score，接下来是每部分的详细信息，包括evalue、gap、正负链以及比对序列等信息。
第 2 种：outfmt 1
Query= test1
Length=50
Score E
Sequences producing significant alignments: (Bits) Value
23 dna:primary_assembly primary_assembly:ARS-UCD1.2:23:1:524986... 93.5 5e-18
4 dna:primary_assembly primary_assembly:ARS-UCD1.2:4:1:12000060... 75.0 2e-12
X dna:primary_assembly primary_assembly:ARS-UCD1.2:X:1:13900914... 54.7 2e-06
Query_1 1 GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG 50
22 24604334 .................................................. 24604383
3 4383526 .............................T............. 4383568
29 108133828 ............................. 108133856
这种格式只保留了序列比对信息，给出输入序列，库中一致的用.表示，不一致的会显示不一致的碱基，可读性更强。
第 3 种： outfmt 2
与第二种一致，只是序列展示有区别。
Query= test1
Length=50
Score E
Sequences producing significant alignments: (Bits) Value
23 dna:primary_assembly primary_assembly:ARS-UCD1.2:23:1:524986... 93.5 5e-18
4 dna:primary_assembly primary_assembly:ARS-UCD1.2:4:1:12000060... 75.0 2e-12
X dna:primary_assembly primary_assembly:ARS-UCD1.2:X:1:13900914... 54.7 2e-06
Query_1 1 GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG 50
22 24604334 GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG 24604383
3 4383526 AAACAGACTCACAGACGTAGAAAACAGACTTGTGGCTGCCAAG 4383568
29 108133828 GAAACAGACTCACAGACGTAGAAAACAGA 108133856
所有比对的序列都保留碱基序列格式。
第 4-5 种：outfmt 3/4
两种输出格式与第二、三种格式完全一致。
第 6 种：outfmt 5
这种格式为xml格式的文件，很多种编程语言都可以直接解析。
<?xml version="1.0"?>
<!DOCTYPE BlastOutput PUBLIC "-//NCBI//NCBI BlastOutput/EN" "http://www.ncbi.nlm.nih.gov/dtd/NCBI
<BlastOutput>
<BlastOutput_program>blastn</BlastOutput_program>
<BlastOutput_version>BLASTN 2.4.0+</BlastOutput_version>
<BlastOutput_reference>Zheng Zhang, Scott Schwartz, Lukas Wagner, and Webb Miller (2000), "
<BlastOutput_db>test</BlastOutput_db>
<BlastOutput_query-ID>Query_1</BlastOutput_query-ID>
<BlastOutput_query-def>test1</BlastOutput_query-def>
<BlastOutput_query-len>50</BlastOutput_query-len>
<BlastOutput_param>
<Parameters>
<Parameters_expect>10</Parameters_expect>
<Parameters_sc-match>1</Parameters_sc-match>
<Parameters_sc-mismatch>-2</Parameters_sc-mismatch>
<Parameters_gap-open>0</Parameters_gap-open>
<Parameters_gap-extend>0</Parameters_gap-extend>
<Parameters_filter>L;m;</Parameters_filter>
</Parameters>
</BlastOutput_param>
<BlastOutput_iterations>
<Iteration>
<Iteration_iter-num>1</Iteration_iter-num>
<Iteration_query-ID>Query_1</Iteration_query-ID>
<Iteration_query-def>test1</Iteration_query-def>
<Iteration_query-len>50</Iteration_query-len>
<Iteration_hits>
<Hit>
<Hit_num>1</Hit_num>
每一个输入序列及比对结果都会以嵌套格式进行整理。
第 7 种：outfmt 6
test1 23 100.000 50 0 0 1 50 24604334 24604383 4.81e-18 93.5
test1 4 97.674 43 1 0 2 44 4383526 4383568 1.74e-12 75.0
test1 X 100.000 29 0 0 1 29 108133828 108133856 2.27e-06 54.7
test2 6 100.000 50 0 0 1 50 85451248 85451297 4.81e-18 93.5
test3 1 100.000 50 0 0 1 50 56773372 56773323 4.81e-18 93.5
test3 1 100.000 50 0 0 1 50 56777851 56777900 4.81e-18 93.5
test3 1 100.000 50 0 0 1 50 56790245 56790294 4.81e-18 93.5
这种格式会输出比较多的统计信息，包括比对位置、得分、evalue等，可读性很强，一般都会选择输出这种格式。
第 8 种：outfmt 7
这种格式基本与第7种一致，只不过每条序列加了说明信息，便于查看结果，相当于加了一个表头。
# BLASTN 2.4.0+
# Query: test1
# Database: test
# Fields: query id, subject id, % identity, alignment length, mismatches, gap opens, q. start, q. end, s. start, s. end, evalue, bit score
# 3 hits found
test1 23 100.000 50 0 0 1 50 24604334 24604383 4.81e-18 93.5
test1 4 97.674 43 1 0 2 44 4383526 4383568 1.74e-12 75.0
test1 X 100.000 29 0 0 1 29 108133828 108133856 2.27e-06 54.7
如果只是一条序列比对，建议使用这种格式。
第 9-10 种：outfmt 8/9
两种格式的编码方式是ASN.1
data align {
{
type partial,
dim 2,
score {
{
id str "score",
value int 50
},
{
id str "blast_score",
value int 50
},
{
id str "e_value",
value real { 480860855605031, 10, -32 }
},
{
id str "bit_score",
value real { 934527768506114, 10, -13 }
},
{
id str "num_ident",
value int 50
},
{
id str "hsp_percent_coverage",
value real { 1, 10, 2 }
}
},
格式与xml格式类似，都是采用嵌套的方式进行展示，不过这种格式我没用过，有兴趣可以尝试一下。
第 11 种：outfmt 10
test1,23,100.000,50,0,0,1,50,24604334,24604383,4.81e-18,93.5
test1,4,97.674,43,1,0,2,44,4383526,4383568,1.74e-12,75.0
test1,X,100.000,29,0,0,1,29,108133828,108133856,2.27e-06,54.7
test2,6,100.000,50,0,0,1,50,85451248,85451297,4.81e-18,93.5
test3,1,100.000,50,0,0,1,50,56773372,56773323,4.81e-18,93.5
这种格式的数据与第七、八种基本一致，只不过分隔符由tab键换成了逗号。
第 12 种：outfmt 11
这种格式也是一种ASN.1格式的文件，只不过是用blast编码对数据进行了处理。
seq {
id {
local str "Query_3"
},
descr {
user {
type str "CFastaReader",
data {
{
label str "DefLine",
data str ">test3"
}
}
},
title "test3"
},
inst {
repr raw,
mol na,
length 50,
seq-data ncbi2na '7F34C88518E691FDB5D1C4AF90'H
}
},
序列信息使用一种叫NCBI2na的方法进行重新编码，具体可参照https://ncbi.github.io/cxx-toolkit/pages/ch_datamod。
其他格式 outfmt 12-18
多数使用json或者xml格式的文件进行编码，具体包括以下几个。
12 = Seqalign (JSON),
13 = Multiple-file BLAST JSON,
14 = Multiple-file BLAST XML2,
15 = Single-file BLAST JSON,
16 = Single-file BLAST XML2,
17 = Sequence Alignment/Map (SAM),
18 = Organism Report
上述格式中，如果输入文件中存在多条序列，标注Multiple的会单独输出每条序列的比对结果。其中17输出sam格式的文件，18一般的比对时不能使用。
# outfmt 17
@HD VN:1.2 SO:coordinate GO:reference
@SQ SN:Query_1 LN:50
@SQ SN:Query_2 LN:50
@SQ SN:Query_3 LN:50
@SQ SN:Query_4 LN:50
@SQ SN:Query_5 LN:50
@PG ID:0 VN:2.4.0+ CL:blastn -db test -query test.fa -outfmt 17 -out test.o17 PN:blastn
BL_ORD_ID:22 0 Query_1 1 255 24604333H50M27894232H * 0 0 AS:i:50 EV:f:4.80861e-18 NM:i:0 PI:f:100.00 BS:f:93.4528
BL_ORD_ID:29 0 Query_1 1 255 108133827H29M30875288H * 0 0 AS:i:29 EV:f:2.26911e-06 NM:i:0 PI:f:100.00 BS:f:54.6731
BL_ORD_ID:3 0 Query_1 2 255 4383525H43M115617033H * 0 0 AS:i:40 EV:f:1.74176e-12 NM:i:0 PI:f:97.67 BS:f:74.9863
BL_ORD_ID:5 0 Query_2 1 255 85451247H50M32355043H * 0 0 AS:i:50 EV:f:4.80861e-18 NM:i:0 PI:f:100.00 BS:f:93.4528
BL_ORD_ID:0 16 Query_3 1 255 101760738H50M56773322H * 0 0 AS:i:50 EV:f:4.80861e-18 NM:i:0 PI:f:100.00 BS:f:93.4528
特殊使用
上述格式中outfmt为6、7、10三种格式的文件在输出时还可以指定输出特定数据，具体代码如下。
blastn -db test -query test.fa \
-outfmt "6 qseqid sseqid pident evalue bitscore qseq sseq" -out test.o6.target
以上代码输出了输入及数据库中的序列名称、evalue以及两条序列的碱基序列等信息。
test1 23 100.000 4.81e-18 93.5 GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG GAAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAGGTGGTG
test1 4 97.674 1.74e-12 75.0 AAACAGACTCACAGACGTAGAAAACAGACATGTGGCTGCCAAG AAACAGACTCACAGACGTAGAAAACAGACTTGTGGCTGCCAAG
test1 X 100.000 2.27e-06 54.7 GAAACAGACTCACAGACGTAGAAAACAGA GAAACAGACTCACAGACGTAGAAAACAGA
test2 6 100.000 4.81e-18 93.5 CCACCACAGGGGTTTGAGTAAGAGGAGGGATGTTTTGTGGGAGGCTGTTA CCACCACAGGGGTTTGAGTAAGAGGAGGGATGTTTTGTGGGAGGCTGTTA
test3 1 100.000 4.81e-18 93.5 CTTTATCATAGAGACCACGATGCGGCACTTTCGTCCTCACTACAGGTTGC CTTTATCATAGAGACCACGATGCGGCACTTTCGTCCTCACTACAGGTTGC
test3 1 100.000 4.81e-18 93.5 CTTTATCATAGAGACCACGATGCGGCACTTTCGTCCTCACTACAGGTTGC CTTTATCATAGAGACCACGATGCGGCACTTTCGTCCTCACTACAGGTTGC
test3 1 100.000 4.81e-18 93.5 CTTTATCATAGAGACCACGATGCGGCACTTTCGTCCTCACTACAGGTTGC CTTTATCATAGAGACCACGATGCGGCACTTTCGTCCTCACTACAGGTTGC
指定时可以设定包括qseqid在内的共40种统计结果及相关信息，具体见参考文献[1]。
