最新NCBI BLAST结果报告解读

写在解读报告之前的,首先就使用Blast最终的目的是什么达成一致,Blast是通过两两比对,找到数据库中与输入序列最相似的序列,或者说是最相似的序列片段。那么我们看比对结果就是看Blast从数据库中找到哪些相似的序列,然后就是如何相似,这些相似又可以告诉我们哪些信息等。当然Blast可以衍生出许多的用途,但都是建立在找到相似性序列(片段)的基础上的。

最新的BLAST结果报告解读,本文以BLASTP为例子,说明如何来解读BLAST结果。

示例

BLAST地址:
http://blast.ncbi.nlm.nih.gov/Blast.cgi?PROGRAM=blastp&BLAST_PROGRAMS=blastp&PAGE_TYPE=BlastSearch&SHOW_DEFAULTS=on&LINK_LOC=blasthome

比对用的例子:
>gi|16758036|ref|NP_445782.1| ribosomal protein L21 [Rattus norvegicus]
MTNTKGKRRGTRYMFSRPFRKHGVVPLATYMRIYKKGDIVDIKGMGTVQKGMPHKCYHGKTGRVYNVTQH
AVGIIVNKQVKGKILAKRINVRIEHIKHSKSRDSFLKRVKENDQKKKEAKEKGTWVQLNGQPAPPREAHF
VRTNGKEPELLEPIPYEFMA

数据选择:nr

比对时间:2009年9月9日12:46:23

解读报告前需要掌握的概念

alignments 代表比对上的两个序列

hits 表示两个序列比对上的片段

Score 比对得分,如果序列匹配上得分,不一样,减分,分值越高,两个序列相似性越高
E Value 值越小,越可信,相对的一个统计值。
Length 输入序列的长度
Identities 一致性,就是两个序列有多少是一样的
Query 代表输入序列
Sbjct 代表数据库中的序列

结果详细说明

菜单与基本信息

NCBI Blast结果-菜单与基本信息

NCBI Blast结果-菜单与基本信息

  1. 下一步操作的菜单,你可以调整参数,重新比对、保存你的搜索条件以便下次比对、调整报告显示的参数,以更符合你的要求、下载你比对的结果;
  2. 此次比对的标题,优先是你填写的,如果没有填写可能是你输入fasta序列头(大于号后面的),如果这个也没有找到,NCBI会自动生成一个;
  3. 你输入序列的信息,包括标识号、描述信息、类型、长度;
  4. 数据库的信息以及你选择的Blast程序;
  5. 查看其他报告,比如摘要、分类、距离树、结构、多重比对等。

Graphic Summary

Graphic Summary

Graphic Summary

  1. 保守域,Blastp时,如果与保守域数据库比对有结果时,方显示;
  2. Distribution of 100 Blast Hits on the Query Sequence,图的说明,仔细研读,是hits在输入序列上的分布;
  3. 这里是消息显示框,当鼠标放在坐标下的横线上,会显示代表的hit的信息;
  4. 颜色比例尺,代表hit的得分(score)区间,可以简单的理解为红色的线表示有较好的比对结果;
  5. 输入序列的坐标;
  6. 每一条线段代表一个hit,在线段上点击,会链接到该hit详细的比对信息部分。

深入理解:由于blast是区段比对,对于给定的两个序列,blast会把具有相识性的片段(hit)找出来,显示的是hit的信息,所以要判断两个序列的相似性,不但要看比对上的片段(hit)的得分,还要看hit覆盖你输入序列的范围,正因为此,这部分图形显示部分就像整个报告的鸟瞰图一样,hit在你输入序列上的分布。本例是一个较短的蛋白质序列,所以不具有代表性,试想如果输入的是M级的核酸序列,你就知道意味着什么了。这里要记住仅仅高分的hit不能说明问题,还要关注hit在输入序列中的位置

Descriptions

Descriptions

Descriptions

  1. 比对上序列的标识符,上面有到该序列详细信息的链接;
  2. 序列的表述信息,可以知道这个序列功能、基因、物种等信息;
  3. 比对得分,由高向低排列,上面有到比对详细信息的链接;
  4. E value,由低向高排列;
  5. 该序列的其他链接,字母表示数据库,比如U表示unigene、G表示Gene数据库;

深入解读:简要的列表形式,便于阅读都比对上了哪些序列,(如果你经验丰富,从score的得分就大致可以判断序列的相似性)序列的相似情况。

Alignments

Alignments 比对详细信息

Alignments 比对详细信息

  1. 比对上的序列信息;
  2. 比对的各种得分,这里不做一一说明,不清楚请参看我的另一篇关于blast结果解析的文章(这里我最关注的是Identities,比对上(一致)的数字、一共有多少个,比对上所占的比例)
  3. 具体的比对序列显示,一目了然,知道了哪些序列比对上了,哪些序列是不一样的,这里也要注意序列的位置关系;
  4. 复选框,可以选择感兴趣的比对序列,在⑥处进行相应的操作;
  5. 对选择的序列进行操作,比如下载这些序列、画系统发育树、进行多重比对。

深度解读:blast是以hit为单位显示的结果,分段比对是其核心,所以对于每个hit所显示的信息应当有个深入的理解。至于比对上的情况如何,不要迷信于那些数字,通过序列,你一眼就可以看出来。最后就是注意5、6的操作,可以给你带来很大的便利。

小结

根据不同的目的,在blast结果中寻求的东西也是不同的,这里仅仅是对于默认结果做了一个说明,你还可以根据你的目的进行更多的操作,比如重新定义报告显示的内容、对与比对上的序列进行多重比对、做系统发育树等。如果你是新手,最重要的就是把概念或者说碰到的英文单词弄懂。一个个概念去理解,这是捷径。

最新NCBI BLAST结果报告解读》上有2条评论

  1. 请教博主这一段话:
    “深入理解:由于blast是区段比对,对于给定的两个序列,blast会把具有相识性的片段(hit)找出来,显示的是hit的信息,所以要判断两个序列的相似性,不但要看比对上的片段(hit)的得分,还要看hit覆盖你输入序列的范围,正因为此,这部分图形显示部分就像整个报告的鸟瞰图一样,hit在你输入序列上的分布。本例是一个较短的蛋白质序列,所以不具有代表性,试想如果输入的是M级的核酸序列,你就知道意味着什么了。这里要记住仅仅高分的hit不能说明问题,还要关注hit在输入序列中的位置。”
    您说还要看hit覆盖输入序列的范围,我理解的是不仅要看hit的得分,还要看hit的大小。
    最后您又说要关注hit在输入序列中的位置,这一点我不能理解。位置有什么影响呢?麻烦博主解释下,谢谢!

    • 哦,我这里主要是想对新手强调,比如要鉴定一段序列,进行blast比对,得分很高的一段,确实重复序列,而如这个位置上的信息其实是不能完全代表这个序列的功能的。还要看其他位置上比对的结果。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

请启用Javascript,以完成验证!