Blast在windows下的使用过程

　　一、说明

　　Blast，全称Basic Local Alignment Search Tool，即"基于局部比对算法的搜索工具"，由Altschul等人于1990年发布。Blast能够实现比较两段核酸或者蛋白序列之间的同源性的功能，它能够快速的找到两段序列之间的同源序列并对比对区域进行打分以确定同源性的高低。

　　Blast简单来说，是一个完整的程序包，调用该程序包的命令来判断两个字符串的相似程度。

　　二、下载

　　所有的有关blast的文章都会说去ncbi的官网下载（ftp://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/2.9.0/）直接去这吧，在镜像网站直接下载。（通常文章都是说用conta下载，conta还需要下载新的软件。我们只是要在程序中调用blast，如果再去下载这个软件的话太麻烦了）。

下载红箭头指向的文件

下载之后发现文件结果如下

 一个bin，一个doc，一个卸载程序，但是点开bin之后就懵了。bin中几乎一半都是exe文件，但是这些exe文件没有一个是打开这个程序的，都只是些命令程序。

 在用户环境中添加blastdb值与path值

因为没办法直接使用，因此只能去cmd中用命令调用。

2.1在c盘下建立三个包

 移动到blast有bin的包下，输入blastn -version来看是否安装成功

2.2创建db

 这个最后一个出问题了，它提示我File nr does not exist，然而我的nr文件是存在的。后来发现nr必须有文件后缀。（nr.fasta是要建成数据库的文件）

（建库命令:makeblastdb -in nr.fasta -dbtype prot -title "nr" -out NR）

 2.3建好库后测试

 到这一步基本上在win下已经能够正常的调用blast来运行代码了。这些处理结果和输入参数看不明白，也不用看明白。

到这一步其实是有问题的，正常的话应该输出一个txt文件来显示结果。我又将两个比对文件放在ncbi的官网上试着比对了一下，发现这两个文件有问题，没法比对成功。

 没办法只好再去找两个fasta的文件

方法：

1.https://www.ncbi.nlm.nih.gov/

 

 

 

 将序列复制到文本中，将扩展名改为fasta类型。

如果只是测试软件能不能用，建议将得到的fasta文件建库，然后再用这个fasta文件与数据库对比。测试比较快。

 三、使用blast

1.建库命令makeblastdb -in nr.fasta -dbtype prot -title "nr" -out NR

-in 建库的fasta文件

-dbtype 数据库类型 （-prot 蛋白质类型 -nucl 核苷酸类型）

-out 数据库名

2.查询 

查询需要cd到要查询的fasta文件的路径下，调用查询命令blastp -query test2.fasta -db C:Blastdb est2.fasta -outfmt 6 -out "C:Blast est.blastp@iedb.txt" -evalue 0.00001 -max_target_seqs 5 -num_threads 8

-out "C:Blast est.blastp@iedb.txt" 输出类型可以添加路径名

输出txt文件的内容以-outfmt的类型为准，具体参数含义在模块四中

-outfmt 6 输出的txt文件中的各个信息为

Query_id  Subject_id %_identity  alignment_length    mismatches gap_openings   q. start   q. end    s. start    s. end    e-value   bit_score

 

四、常用的blast命令

二、格式化数据库
基本运行指令
formatdb -i DBfile1 -p (T/F) -o (T/F)
-i：输入需要格式化序列库的绝对路径，序列库一般一般使用的是fasta文件。

-o [T/F]：判断是否分析序列名并建立序列名索引。“T”表示建立序列名索引，“F” 表示不建立序列名索引。默认值为F。

-p [T/F]：选择建库的类型，“T”表示建立的是蛋白质数据库，“F”表示建立的是核酸数据库，缺省值为T。

java代码
Process process = Runtime.getRuntime.eexec("formatdb -i DBFile -p T -o T");

process.waitFor(); //等待命令执行结束，获取执行结果

程序运行结束后，如果建立的是核酸库，-o为F时，会输出**.nhr，**.nin，**.nsp文件，-o为T时，还会多输出**.hsd，**.nsi，**.nni和**.nnd文件。类似的，当建立的是蛋白质也会输出相应的文件：[-o F]--**.phr，**.pin，**.psq；[-o T]--**.psd，**.psi，**.pni，**.pnd。

三、在数据库中查询相应序列并返回结果
1.基本运行指令：

blastp -query test2.fasta -db C:\Blast\db\test2.fasta -outfmt 6 -out "C:\Blast\testblastp@iedb.txt"

（文件名字最好加路径，否则得到的txt文件是在java项目的文件下方）

-evalue 0.00001 -max_target_seqs 5 -num_threads 8

　　

2.blast主程序blastall
程序的输入文件是query序列（-i参数）库文件（-d）
选择（-p）和输出文件(-o)有用户绝定
-p有五种取值：百度查找
3.-e参数
筛选适当的比对结果,指定一个参数，选出比这个参数大的期望值
4. -F (T/F)参数
用来屏蔽简单重复和低复杂度序列的。
T：程序在比对过程中会屏蔽掉query中的简单重复和低复杂度序列
F：不会屏蔽
缺省值（默认值）为“T”。
5.-m参数
设定输出格式，供选择为0~11之间的整数。默认0.
6.-v,-b参数
-v 默认值500，规定输出中的每一个query的比对列表最多显示subject的个数
-b 默认250，规定输出中每个query最多显示与多少subject的比对条形图
7. -T 参数
用于决定是否输出html格式的比对结果。
9.-W参数
指定坐比对的字的长度。

四、java程序中调用blast

java调用命令行代码

唯一一个小点是需要多行调用命令行命令

在命令行中，如果调用多条命令，在两个命令之间加上&

如 

 但是在java中，需要有cmd /c （执行完命令行后关闭命令框），cmd /k（执行完命令行后不关闭命令框）

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;


public class blast {
    public static void main(String[] args) {

        Runtime run = Runtime.getRuntime();
        try {

            Process process = run.exec("cmd /k C: && cd C:\Blast && blastp -query test2.fasta -db C:\Blast\db\test2.fasta -outfmt 5 -out "C:\Blast\test.blastp@iedb.xml" -evalue 0.00001 -max_target_seqs 5 -num_threads 8 " );
            InputStream input = process.getInputStream();
            BufferedReader reader = new BufferedReader(new InputStreamReader(input));
            String szline;
            while ((szline = reader.readLine())!= null) {
                System.out.println(szline);
            }
            reader.close();
            process.waitFor();
            process.destroy();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

　　

 至此，blast的下载，使用，调用三个部分基本上结束了。

接下来就需要将获得的文件可视化。

之前导出的格式是由 -outfmt 5获得的，然而这个输出的是xml文件，在网上也找不到相应的将xml文件转成能看懂形式的教程文章。不过我找到了一个blastxml插件，有大佬会的话希望能教一下。

链接如下http://hackage.haskell.org/package/blastxml

既然-outfmt的输出格式有许多那可以曲线救国换其他的用。

-outfmt 6 得到的格式为txt文件，对应blast中的m8.

 每一列的对应数据解释为：

Query_id   Subject_id   %_identity alignment_length   mismatches   gap_openings  q. start  q. end   s. start   s. end   e-value  bit_score

Query id：查询序列ID标识
Subject id：比对上的目标序列ID标识
% identity：序列比对的一致性百分比
alignment length：符合比对的比对区域的长度
mismatches：比对区域的错配数
gap openings：比对区域的gap数目
q. start：比对区域在查询序列(Query id)上的起始位点
q. end：比对区域在查询序列(Query id)上的终止位点
s. start：比对区域在目标序列(Subject id)上的起始位点
s. end：比对区域在目标序列(Subject id)上的终止位点
e-value：比对结果的期望值，将比对序列随机打乱重新组合，和数据库进行比对，如果功能越保守，则该值越低；该E值越高说明比对的高得分值是由GC区域，重复序列导致的。对于判断同源性是非常有意义的几个参数。
bit score：比对结果的bit score值

（引用链接http://www.mamicode.com/info-detail-2420033.html）

再然后用java代码调用

public static void main(String[] args) {
        ArrayList<String> arrayList = toArray("C:\Blast\test.blastp@iedb.txt");
        for(String str:arrayList){
            System.out.println(str);
        }
    }
    public static ArrayList<String> toArray(String name){
        ArrayList<String> arrayList = new ArrayList<>();
        try {
            FileReader fr = new FileReader(name);
            BufferedReader bf = new BufferedReader(fr);
            String str;
            while ((str = bf.readLine())!=null){
                arrayList.add(str);
            }
            bf.close();
            fr.close();
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return arrayList;
    }

　　

 

 至此，blast从windows下载，建库，指令，对比，显示就都结束了。剩下的就只剩另一个同学导入项目中了。

但是老师还有两个文件要用...../(ㄒoㄒ)/~~