背景
我用conda直接就给我安装的这个版本,先用着吧(自己试了加最新版本号2.0.14,结果各种冲突,哎)
diamond v0.9.14.115 | by Benjamin Buchfink buchfink@gmail.com
Licensed under the GNU AGPL https://www.gnu.org/licenses/agpl.txt
Check http://github.com/bbuchfink/diamond for updates.
命令的语法通用格式是这样:
diamond COMMAND [OPTIONS]
由3部分组成:diamond + command + options
命令参数解读
1、Commands命令有这些:
命令 | 解释 |
---|---|
makedb | Build DIAMOND database from a FASTA file从一个fasta文件建库,建库索引的时候要用的必选参数啊 |
blastp | Align amino acid query sequences against a protein reference database比对氨基酸序列到蛋白数据库,我一直以为diamond只能blastx,原来还能blastp |
blastx | Align DNA query sequences against a protein reference database比对DNA序列到蛋白数据库,比对时blastp或blastx必选一个啊 |
view | View DIAMOND alignment archive (DAA) formatted file查看diamond比对文件格式的文件 |
help | Produce help message查看帮助文档 |
version | Display version information展示版本信息 |
getseq | Retrieve sequences from a DIAMOND database file从diamond数据库文件中检索序列 |
dbinfo | Print information about a DIAMOND database file打印diamond数据库文件的信息 |
2.General options通用设置的参数有这些:
参数 | 解释 |
---|---|
--threads (-p) | number of CPU threads线程数,为了速度常常需要设置,小括号的意思是可以输入--threads或者-p都行 |
--db (-d) | database file数据库文件,建库索引的时候要用 ,必选参数啊 |
--out (-o) | output file输出文件,输出文件的名字肯定得取一个啊,必选参数啊 |
--outfmt (-f) | output format输出格式,不设置就默认输出下面的格式6 |
--verbose (-v) | verbose console output详细的控制台输出 |
--log | enable debug log启用调试日志 |
--quiet | disable console output禁用控制台输出 |
关于输出文件的输出格式有0、5、6、100、101这几种,分别代表的意思是:
0 = BLAST pairwise
5 = BLAST XML
6 = BLAST tabular(这个是最常用的格式,也是默认输出格式)
100 = DIAMOND alignment archive (DAA)
101 = SAM
对格式6有详细说明
Value 6 may be followed by a space-separated list of these keywords它是由以下这些关键词组成的、用空格分隔的列表,包括这些列:
qseqid means Query Seq - id ,qseqid指的是要查询/比对的序列
sseqid means Subject Seq - id,sseqid指的是目标序列。运行的大逻辑是这样的----我们选定目标序列(suject)并将其构建成数据库(database),然后用待比对序列(query)在数据库中搜索,待比对序列遍历数据库中的每一条目标序列后得到最终比对结果。
pident means Percentage of identical matches,pident指的是完全匹配的比例
length means Alignment length,length指的是比对长度
mismatch means Number of mismatches, mismatch指的是没有匹配上的数量
gapopen means Number of gap openings, gapopen指的是 空位开放的数量
qstart means Start of alignment in query,qstart指的是查询比对的起始
qend means End of alignment in query,qend指的是查询比对的终止
sstart means Start of alignment in subject,sstart指的是比对在目标中的开始
send means End of alignment in subject,send指的是比对在目标中的结束
evalue means Expect value,evalue指的是阈值
bitscore means Bit score,bitscore指的是片段的分数
Default默认情况下表格是以这个顺序来呈现这些列: qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore
然后还有这些列,可能需要你输入一些参数才能在列表中输出显示:
qlen means Query sequence length,qlen指的是查询序列的长度
sallseqid means All subject Seq - id(s), separated by a ';',sallseqid指的是所有目标序列的ids,用;分隔
slen means Subject sequence length,slen指的是目标序列长度
qseq means Aligned part of query sequence,qseq指的是查询序列比对上的部分
sseq means Aligned part of subject sequence,sseq指的是目标序列比对上的部分
score means Raw score,score指的是原始分数
nident means Number of identical matches, nident指的是完全匹配的数量
positive means Number of positive - scoring matches,positive 指的是正向得分匹配上的数量
gaps means Total number of gaps, gaps指的是总的空位数量
ppos means Percentage of positive - scoring matches, ppos指的是正向得分匹配上的比例
qframe means Query frame, qframe指的是查询阅读框
btop means Blast traceback operations(BTOP), btop指的是blast回溯操作
staxids means unique Subject Taxonomy ID(s), separated by a ';' (in numerical order), staxids指的是独有的目标物种ID,用;分隔
stitle means Subject Title, stitle指的是目标题目
salltitles means All Subject Title(s), separated by a '<>', salltitles指的是所有目标题目,用<>分隔
qcovhsp means Query Coverage Per HSP, qcovhsp指的是每个HSP的查询覆盖
qtitle means Query title, qtitle指的是查询的题目
3.Makedb options建库索引的参数就一个:
--in input reference file in FASTA format输入fasta格式的参考文件,如果要建库就是必选参数啊
4、Aligner options比对的参数很多啊:
参数 | 解释 |
---|---|
--query (-q) | input query file输入需要比对的fasta文件,要带好文件的路径啊,不然软件找不到 ,必选参数啊 |
--strand | query strands to search (both/minus/plus) |
--un | file for unaligned queries文件用于存储没有比对上的链 |
--unal | report unaligned queries (0=no, 1=yes)报告没比对上的链(0=no,1=yes) |
--max-target-seqs (-k) | maximum number of target sequences to report alignments for每个query输出的最大对应hit条数,有时候会设置为1条 |
--top | report alignments within this percentage range of top alignment score (overrides --max-target-seqs)报告在最高比对分数百分比范围内的比对情况 |
--overlap-culling | delete hits only if a higher scoring hit envelops the given percentage of the query range只有当更高分数的命中值hit覆盖了查询范围的给定百分比时,才删除命中值 |
--compress | compression for output files (0=none, 1=gzip)压缩输出的结果文件,0表示不压缩,1表示压缩gzip格式 |
--evalue (-e) | maximum e-value to report alignments (default=0.001)阈值evalue的设定,默认是0.001,有时候我会设置0.00001 |
--min-score | minimum bit score to report alignments (overrides e-value setting)设定报告的比对结果的最小命中分值 |
--id | minimum identity% to report an alignment一个比对结果的最小一致性百分比 |
--query-cover | minimum query cover% to report an alignment一个比对结果的最小查询覆盖范围 |
--subject-cover | minimum subject cover% to report an alignment报告比对结果的最小目标覆盖百分比 |
--sensitive | enable sensitive mode (default: fast)使用sensitive模式,默认(就是不设置这个参数)使用的是fast模式 |
--more-sensitive | enable more sensitive mode (default: fast)使用more sensitive模式,默认(就是不设置这个参数)使用的是fast模式 |
--block-size (-b) | sequence block size in billions of letters (default=2.0)序列块大小以数十亿个碱基为单位 |
--index-chunks (-c) | number of chunks for index processing用于索引处理的空间 |
--tmpdir (-t) | directory for temporary files临时文件的目录 |
--gapopen | gap open penalty open gap的罚分 |
--gapextend | gap extension penalty gap extention的罚分 |
--frameshift (-F) | frame shift penalty (default=disabled) 移码的罚分(默认是不开启这个选项) |
--matrix | score matrix for protein alignment (default=BLOSUM62)蛋白比对的分数矩阵(默认是Blosum62) |
--custom-matrix | file containing custom scoring matrix文件包含了常用的分数矩阵 |
--lambda | lambda parameter for custom matrix 常用矩阵的参数lambda |
--K | K parameter for custom matrix常用矩阵的参数K |
--comp-based-stats | enable composition based statistics (0/1=default)启用基于组合的统计信息 |
--masking | enable masking of low complexity regions (0/1=default)启用低复杂度区域的屏蔽 |
--query-gencode | genetic code to use to translate query (see user manual)用于翻译查询的遗传密码(具体查看使用手册) |
--salltitles | include full subject titles in DAA file在DAA文件中包含完整的目标标题 |
--sallseqid | include all subject ids in DAA file在DAA文件中包含所有目标ids |
--no-self-hits | suppress reporting of identical self hits禁止报道相同的self hits |
--taxonmap | protein accession to taxid mapping file蛋白质的accession添加到taxid映射文件中 |
--taxonnodes | taxonomy nodes.dmp from NCBI 从NCBI那里来的种类taxonomy nodes.dmp文件 |
5 Advanced options高级的参数设置选项,一般都没用过:
参数 | 解释 |
---|---|
--algo | Seed search algorithm (0=double-indexed/1=query-indexed) 种子搜索算法(0=双索引/1=查询索引) |
--bin | number of query bins for seed search种子搜索的查询箱数 |
--min-orf (-l) | ignore translated sequences without an open reading frame of at least this length忽略没有至少这个长度的开放阅读框的翻译序列 |
--freq-sd | number of standard deviations for ignoring frequent seeds忽略频繁种子的标准差的数量 |
--id2 | minimum number of identities for stage 1 hit第一阶段命中的一致性的最小数量 |
--window (-w) | window size for local hit search本地搜索的窗口大小 |
--xdrop (-x) | xdrop for ungapped alignmentXdrop用于无空位的比对 |
--ungapped-score | minimum alignment score to continue local extension继续局部扩展的最小比对分数 |
--hit-band | band for hit verification |
--hit-score | minimum score to keep a tentative alignment保持暂时比对上的最低分数 |
--gapped-xdrop (-X) | xdrop for gapped alignment in bits 在bits中 Xdrop用于有空位的比对 |
--band | band for dynamic programming computation |
--shapes (-s) | number of seed shapes (0 = all available)种子形状的数量(0 =所有可用) |
--shape-mask | seed shapes种子性状 |
--index-mode | index mode (0=4x12, 1=16x9)索引模式 (0=4x12, 1=16x9) |
--rank-ratio | include subjects within this ratio of last hit (stage 1)第一阶段中,包括这个比例的目标最后一次hits |
--rank-ratio2 | include subjects within this ratio of last hit (stage 2)第二阶段中,包括这个比例的目标最后一次hits |
--max-hsps | maximum number of HSPs per subject sequence to save for each query 每个目标序列为每个需要比对的序列保存的最大HSPs数量 |
--dbsize | effective database size (in letters) 有效的数据库大小 (以letters计算) |
--no-auto-append | disable auto appending of DAA and DMND file extensions 禁用自动追加DAA和DMND文件扩展名 |
--xml-blord-format | Use gnlBL_ORD_ID style format in XML output 在XML输出文件中使用gnlBL_ORD_ID风格格式 |
6 View options查看选项:
--daa (-a) DIAMOND alignment archive (DAA) file Diamond格式比对存档(DAA)文件
--forwardonly only show alignments of forward strand 只显示比对的正向链
7 Getseq options:
--seq Sequence numbers to display.