Back to Posts

Tutorial BLAST linux

Posted in Tutorial, Bioinfomática

BLAST é a sigla em inglês para “Basic Local Aligment Search Tool”, ou seja, é uma ferramenta para alinhamento local de sequências biológicas.

O programa tem como objetivo encontrar regiões de similaridade entre uma sequência (seja um nucleotídio ou uma proteina) com uma sequência base (database), que normalmente possui uma quantidade absurda de informação. As regiões retornadas das buscas podem ser filtradas a partir de um parâmetro estatístico de grau de significância. O site do NCBI disponibiliza essa ferramenta online, porém em situações em que é necessária uma utilização frequênte, o uso pode acabar se tornando cansativo. Graças aos usuários de GNU/linux é possível ter uma ferramenta local via terminal e de não necessidade de internet, uma vez que você tenha as sequências no seu computador.

Para instalar o Blast no seu GNU/linux basta digitar o comando:

# sudo apt-get install ncbi-blast+

A palavra Query é usada para a sequência a ser inserida, enquanto que a palavra Subject representa a sequência base com o qual a query irá ser comparada. Para efetuar um alinhamento, primeiro temos que construir um BLAST database. Que nada mais é do que adaptar o arquivo base.fa ou .fasta para os parâmetros do programa. Essa primeira parte é feita usando o makeblastdb (make blast database):

# makeblastdb -in arquivo.fa -parse_seqids -dbtype nucl   (no caso de nucleotídio) 
ou
# makeblastdb -in arquivo.fa -parse_seqids -dbtype prot   (no caso de proteina) 

A flag -parse_seqids é usada para manter os identificadores de sequência original. Caso contrário, o makeblastdb irá gerar seus próprios identificadores. O makeblastdb irá gerar 6 arquivos: .nhr, .nin, .nog, .nsd, .nsi e .nsq.

Família Blast

Com a database pronta, o próximo passo é escolher um dos programas do pacote família BLAST (conjunto de programas do BLAST) que mais se enquadrada na sua pesquisa. São eles:

  • blastn: Usado para alinhamento entre sequências de nucleotídeos.
  • blastp: Usado para alinhamento entre sequências de proteinas.
  • blastx: Usado para alinhamento de sequências de nucleotideos contra sequências de proteinas.
  • tblastx: Usado para encontrar relações muito distantes entre as sequências de nucleotídeos.
  • tblasn: Usado para o alinhamento de uma proteina contra sequências de nucleotídeos.

e-value

Tendo em mente qual programa da família BLAST usar, só falta saber dosar esse ultimo parâmetro. O parâmetro estatístico de grau de significância do BLAST (e-value) indica o número de alinhamentos que seriam esperados apresentando valores de score iguais ou superiores que o encontrado por acaso, dado o tamanho do banco de dados. Dessa forma é possível filtrar o alinhamento passando um valor de corte, no qual, quanto maior esse valor, menor a restrição. Normalmente são usados valores bem pequenos como 1e-5 para se obter um resultado preciso.

Exemplo de um alinhamento:

 # blastn -evalue 1e-5 -query entrada.fasta -db arquivo.fasta -outfmt 6 -out result.txt

entrada.fasta = arquivo de entrar (query)
arquivo.fasta = arquivo que foi usado no makeblastdb (subject)

Exemplo usando o parâmetro -outfmt 6

O parâmetro “-outfmt 6” proporciona um resultado com os dados tabulados:

  1. Identificador da sequencia query.
  2. Identificador da sequencia subject.
  3. % de identidade do alinhamento reportado.
  4. Comprimento do alinhamento.
  5. Numero de mismatchs.
  6. Numero de lacunas abertas (Gaps).
  7. Posição do começo do alinhamento na sequencia query.
  8. Posição de fim de alinhamento na sequencia query.
  9. Posição do começo do alinhamento na sequencia subject.
  10. Posição de fim de alinhamento da sequencia subject.
  11. E-valor.
  12. Score.

Para mais informações da utilização de cada programa da família BLAST, basta usar o comando “-help”. Exemplo no caso do blastn:

	 # blastn -help 


Fonte:

Recomento fortemente visitar os sites que utilizei como pesquisa para aprofundar seus estudos:

ncbi.github.io/magicblast/cook/blastdb.html

en.wikipedia.org/wiki/BLAST

amos.esalq.usp.br/blog/?p=277

genebio.ufba.br/?page_id=260

blast.ncbi.nlm.nih.gov/Blast.cgi

Computer Science student at University of São Paulo.