生物序列的同源性搜索簡(jiǎn)介及其應(yīng)用

關(guān)于生物序列的同源性搜索簡(jiǎn)介及其應(yīng)用第一頁(yè)，共七十三頁(yè)，2022年，8月28日序列數(shù)據(jù)的保存格式與相關(guān)數(shù)據(jù)庫(kù)資源在數(shù)據(jù)庫(kù)中進(jìn)行序列相似性搜索多序列比對(duì)進(jìn)化樹(shù)構(gòu)建與分子進(jìn)化分析Motif的尋找與序列的模式識(shí)別RNA二級(jí)結(jié)構(gòu)，蛋白質(zhì)二、三級(jí)結(jié)構(gòu)的預(yù)測(cè)基因芯片的數(shù)據(jù)分析生物信息學(xué)常見(jiàn)的應(yīng)用與軟件第二頁(yè)，共七十三頁(yè)，2022年，8月28日2內(nèi)容提要1.基本概念相似性，同源性2.Blast介紹

Blast資源和相關(guān)問(wèn)題3.Blast的應(yīng)用網(wǎng)絡(luò)版，單機(jī)版4.深入了解Blast(改進(jìn)程序，算法基礎(chǔ))5.其他的序列相似性搜索工具（fasta）第三頁(yè)，共七十三頁(yè)，2022年，8月28日3生物序列的相似性相似性(similarity)：

是指一種很直接的數(shù)量關(guān)系，比如部分相同或相似的百分比或其它一些合適的度量。比如說(shuō)，A序列和B序列的相似性是80％，或者4/5。這是個(gè)量化的關(guān)系。當(dāng)然可進(jìn)行自身局部比較。第四頁(yè)，共七十三頁(yè)，2022年，8月28日4同源性(homology)：指從一些數(shù)據(jù)中推斷出的兩個(gè)基因或蛋白質(zhì)序列具而共同祖先的結(jié)論，屬于質(zhì)的判斷。就是說(shuō)A和B的關(guān)系上，只有是同源序列，或者非同源序列兩種關(guān)系。而說(shuō)A和B的同源性為80％都是不科學(xué)的。生物序列的同源性第五頁(yè)，共七十三頁(yè)，2022年，8月28日5相似性和同源性關(guān)系序列的相似性和序列的同源性有一定的關(guān)系，一般來(lái)說(shuō)序列間的相似性越高的話(huà)，它們是同源序列的可能性就更高，所以經(jīng)常可以通過(guò)序列的相似性來(lái)推測(cè)序列是否同源。正因?yàn)榇嬖谶@樣的關(guān)系，很多時(shí)候?qū)π蛄械南嗨菩院屯葱跃蜎](méi)有做很明顯的區(qū)分，造成經(jīng)常等價(jià)混用兩個(gè)名詞。所以有出現(xiàn)A序列和B序列的同源性為80％一說(shuō)。第六頁(yè)，共七十三頁(yè)，2022年，8月28日6序列相似性比較和序列同源性分析序列相似性比較：就是將待研究序列與DNA或蛋白質(zhì)序列庫(kù)進(jìn)行比較，用于確定該序列的生物屬性，也就是找出與此序列相似的已知序列是什么。完成這一工作只需要使用兩兩序列比較算法。常用的程序包有BLAST、FASTA等；序列同源性分析：是將待研究序列加入到一組與之同源，但來(lái)自不同物種的序列中進(jìn)行多序列同時(shí)比較，以確定該序列與其它序列間的同源性大小。這是理論分析方法中最關(guān)鍵的一步。完成這一工作必須使用多序列比較算法。常用的程序包有CLUSTAL等；第七頁(yè)，共七十三頁(yè)，2022年，8月28日7Blast簡(jiǎn)介（一）

BLAST是由美國(guó)國(guó)立生物技術(shù)信息中心（NCBI）開(kāi)發(fā)的一個(gè)基于序列相似性的數(shù)據(jù)庫(kù)搜索程序。

BLAST是“局部相似性基本查詢(xún)工具”(BasicLocalAlignmentSearchTool)的縮寫(xiě)。第八頁(yè)，共七十三頁(yè)，2022年，8月28日8Blast是一個(gè)序列相似性搜索的程序包，其中包含了很多個(gè)獨(dú)立的程序，這些程序是根據(jù)查詢(xún)的對(duì)象和數(shù)據(jù)庫(kù)的不同來(lái)定義的。比如說(shuō)查詢(xún)的序列為核酸，查詢(xún)數(shù)據(jù)庫(kù)亦為核酸序列數(shù)據(jù)庫(kù)，那么就應(yīng)該選擇blastn程序。下表列出了主要的blast程序。Blast簡(jiǎn)介（二）第九頁(yè)，共七十三頁(yè)，2022年，8月28日9主要的blast程序程序名查詢(xún)序列數(shù)據(jù)庫(kù)搜索方法Blastn核酸核酸核酸序列搜索逐一核酸數(shù)據(jù)庫(kù)中的序列Blastp蛋白質(zhì)蛋白質(zhì)蛋白質(zhì)序列搜索逐一蛋白質(zhì)數(shù)據(jù)庫(kù)中的序列Blastx核酸蛋白質(zhì)核酸序列6框翻譯成蛋白質(zhì)序列后和蛋白質(zhì)數(shù)據(jù)庫(kù)中的序列逐一搜索。Tblastn蛋白質(zhì)核酸蛋白質(zhì)序列和核酸數(shù)據(jù)庫(kù)中的核酸序列6框翻譯后的蛋白質(zhì)序列逐一比對(duì)。TBlastx核酸核酸核酸序列6框翻譯成蛋白質(zhì)序列，再和核酸數(shù)據(jù)庫(kù)中的核酸序列6框翻譯成的蛋白質(zhì)序列逐一進(jìn)行比對(duì)。第十頁(yè)，共七十三頁(yè)，2022年，8月28日10Blast相關(guān)的問(wèn)題怎么獲得blast服務(wù),怎么使用的問(wèn)題？為什么使用blast，可以獲得什么樣的信息？其他問(wèn)題：實(shí)際使用時(shí)選擇哪種方式（網(wǎng)絡(luò)，本地化），參數(shù)的選擇，結(jié)果的解釋…第十一頁(yè)，共七十三頁(yè)，2022年，8月28日11Blast資源1.NCBI主站點(diǎn)：

(網(wǎng)絡(luò)版)

(單機(jī)版)2.其他站點(diǎn)：

（果蠅）

…第十二頁(yè)，共七十三頁(yè)，2022年，8月28日12Blast結(jié)果給出的信息Blast結(jié)果會(huì)列出跟查詢(xún)序列相似性比較高，符合限定要求的序列結(jié)果，根據(jù)這些結(jié)果可以獲取以下一些信息。1.查詢(xún)序列可能具有某種功能2.查詢(xún)序列可能是來(lái)源于某個(gè)物種3.查詢(xún)序列可能是某種功能基因的同源基因…這些信息都可以應(yīng)用到后續(xù)分析中。第十三頁(yè)，共七十三頁(yè)，2022年，8月28日13兩種版本的Blast比較（一）網(wǎng)絡(luò)版本包括NCBI在內(nèi)的很多網(wǎng)站都提供了在線(xiàn)的blast服務(wù)，這也是我們最經(jīng)常用到的blast服務(wù)。網(wǎng)絡(luò)版本的blast服務(wù)就有方便，容易操作，數(shù)據(jù)庫(kù)同步更新等優(yōu)點(diǎn)。但是缺點(diǎn)是不利于操作大批量的數(shù)據(jù)，同時(shí)也不能自己定義搜索的數(shù)據(jù)庫(kù)。第十四頁(yè)，共七十三頁(yè)，2022年，8月28日14單機(jī)版單機(jī)版的blast可以通過(guò)NCBI的ftp站點(diǎn)獲得，有適合不同平臺(tái)的版本（包括linux，dos等）。獲得程序的同時(shí)必須獲取相應(yīng)的數(shù)據(jù)庫(kù)才能在本地進(jìn)行blast分析。單機(jī)版的優(yōu)點(diǎn)是可以處理大批的數(shù)據(jù)，可以自己定義數(shù)據(jù)庫(kù)，但是需要耗費(fèi)本地機(jī)的大量資源，此外操作也沒(méi)有網(wǎng)絡(luò)版直觀(guān)、方便，需要一定的計(jì)算機(jī)操作水平。兩種版本的Blast比較（二）第十五頁(yè)，共七十三頁(yè)，2022年，8月28日15本地WEB版的Blast

在NCBI的FTP上，在blast程序的目錄下，還提供了一種供用戶(hù)在自己的服務(wù)器上建立Blast網(wǎng)頁(yè)服務(wù)的軟件包(wwwblast)。使用該軟件包，用戶(hù)可以建立一個(gè)簡(jiǎn)易的進(jìn)行Blast運(yùn)算的網(wǎng)站供實(shí)驗(yàn)室人員使用。用于搜索的數(shù)據(jù)庫(kù)同樣可以靈活的定義。第十六頁(yè)，共七十三頁(yè)，2022年，8月28日16Blast程序評(píng)價(jià)序列相似性的兩個(gè)數(shù)據(jù)Score：使用打分矩陣對(duì)匹配的片段進(jìn)行打分，這是對(duì)各對(duì)氨基酸殘基（或堿基）打分求和的結(jié)果，一般來(lái)說(shuō)，匹配片段越長(zhǎng)、相似性越高則Score值越大。Evalue:在相同長(zhǎng)度的情況下，兩個(gè)氨基酸殘基（或堿基）隨機(jī)排列的序列進(jìn)行打分，得到上述Score值的概率的大小。E值越小表示隨機(jī)情況下得到該Score值的可能性越低。第十七頁(yè)，共七十三頁(yè)，2022年，8月28日17NCBI提供的Blast服務(wù)登陸n(yōu)cbi的blast主頁(yè)核酸序列蛋白序列翻譯序列底下有其他一些針對(duì)特殊數(shù)據(jù)庫(kù)的和查看以往的比對(duì)結(jié)果等第十八頁(yè)，共七十三頁(yè)，2022年，8月28日18Blast任務(wù)提交表單（一）1.序列信息部分填入查詢(xún)（query）的序列序列范圍（默認(rèn)全部）選擇搜索數(shù)據(jù)庫(kù)如果接受其他參數(shù)默認(rèn)設(shè)置，點(diǎn)擊開(kāi)始搜索第十九頁(yè)，共七十三頁(yè)，2022年，8月28日19Blast任務(wù)提交表單（二）設(shè)置搜索的范圍，entrez關(guān)鍵詞，或者選擇特定物種2.設(shè)置各種參數(shù)部分一些過(guò)濾選項(xiàng)，包括簡(jiǎn)單重復(fù)序列，人類(lèi)基因組中的重復(fù)序列等E值上限窗口大小如果你對(duì)blast的命令行選項(xiàng)熟悉的話(huà)，可以在這里加入更多的參數(shù)第二十頁(yè)，共七十三頁(yè)，2022年，8月28日20Blast任務(wù)提交表單（三）3.設(shè)置結(jié)果輸出顯示格式選擇需要顯示的選項(xiàng)以及顯示的文件格式顯示數(shù)目Alignment的顯示方式篩選結(jié)果E值范圍其他一些顯示格式參數(shù)點(diǎn)擊開(kāi)始搜索第二十一頁(yè)，共七十三頁(yè)，2022年，8月28日21提交任務(wù)返回查詢(xún)號(hào)（requestid）可以修改顯示結(jié)果格式修改完顯示格式后點(diǎn)擊進(jìn)入結(jié)果界面第二十二頁(yè)，共七十三頁(yè)，2022年，8月28日22結(jié)果頁(yè)面（一）圖形示意結(jié)果第二十三頁(yè)，共七十三頁(yè)，2022年，8月28日23結(jié)果頁(yè)面（二）目標(biāo)序列描述部分帶有g(shù)enbank的鏈接，點(diǎn)擊可以進(jìn)入相應(yīng)的genbank序列匹配情況，分值，e值第二十四頁(yè)，共七十三頁(yè)，2022年，8月28日24結(jié)果頁(yè)面（三）詳細(xì)的比對(duì)上的序列的排列情況第二十五頁(yè)，共七十三頁(yè)，2022年，8月28日25一個(gè)具體的例子（blastp）假設(shè)以下為一未知蛋白序列>query_seqMSDNGPQSNQRSAPRITFGGPTDSTDNNQNGGRNGARPKQRRPQGLPNNTASWFTALTQHGKEELRFPRGQGVPINTNSGPDDQIGYYRRATRRVRGGDGKMKELSPRWYFYYLGTGPEASLPYGANKEGIVWVATEGALNTPKDHIGTRNPNNNAATVLQLPQGTTLPKGFYAEGSRGGSQASSRSSSRSRGNSRNSTPGSSRGNSPARMASGGGETALALLLLDRLNQLESKVSGKGQQQQGQTVTKKSAAEASKKPRQKRTATKQYNVTQAFGRRGPEQTQGNFGDQDLIRQGTDYKHWPQIAQFAPSASAFFGMSRIGMEVTPSGTWLTYHGAIKLDDKDPQFKDNVILLNKHIDAYKTFPPTEPKKDKKKKTDEAQPLPQRQKKQPTVTLLPAADMDDFSRQLQNSMSGASADSTQA

我們通過(guò)blast搜索來(lái)獲取一些這個(gè)序列的信息。第二十六頁(yè)，共七十三頁(yè)，2022年，8月28日26具體步驟1.登陸blast主頁(yè)

2.根據(jù)數(shù)據(jù)類(lèi)型，選擇合適的程序3.填寫(xiě)表單信息4.提交任務(wù)5.查看和分析結(jié)果第二十七頁(yè)，共七十三頁(yè)，2022年，8月28日27分析過(guò)程（一）1.登陸n(yōu)cbi的blast主頁(yè)2.選擇程序，因?yàn)椴樵?xún)序列是蛋白序列可以選擇blastp，點(diǎn)擊進(jìn)入也可以選擇tblastn作為演示，我們這里選blastp第二十八頁(yè)，共七十三頁(yè)，2022年，8月28日28分析過(guò)程（二）3.填入序列（copy＋paste）Fasta格式，或者純序列4.選擇搜索區(qū)域，這里我們要搜索整個(gè)序列，不填5.選擇搜索數(shù)據(jù)庫(kù)，這里我們選nr(非冗余的蛋白序列庫(kù))。是否搜索保守區(qū)域數(shù)據(jù)庫(kù)（cdd），蛋白序列搜索才有。我們選上第二十九頁(yè)，共七十三頁(yè)，2022年，8月28日29分析過(guò)程（三）6.限制條件，我們限制在病毒里面找。7.其他選項(xiàng)保持默認(rèn)值打分矩陣第三十頁(yè)，共七十三頁(yè)，2022年，8月28日30分析過(guò)程（四）8.輸出格式選項(xiàng)保持默認(rèn)值9.點(diǎn)擊開(kāi)始搜索第三十一頁(yè)，共七十三頁(yè)，2022年，8月28日31分析過(guò)程（五）10.查詢(xún)序列的一些相關(guān)信息在cdd庫(kù)里面找到兩個(gè)保守區(qū)域，點(diǎn)擊可以進(jìn)入第三十二頁(yè)，共七十三頁(yè)，2022年，8月28日32分析過(guò)程（六）圖形結(jié)果第三十三頁(yè)，共七十三頁(yè)，2022年，8月28日33分析過(guò)程（七）匹配序列列表第三十四頁(yè)，共七十三頁(yè)，2022年，8月28日34分析過(guò)程（八）具體匹配情況第三十五頁(yè)，共七十三頁(yè)，2022年，8月28日35為什么使用單機(jī)版的Blast？

1.特殊的數(shù)據(jù)庫(kù)要求。

2.涉及序列的隱私與價(jià)值。

3.批量處理

4.其他原因？？單機(jī)版的Blast使用（一）第三十六頁(yè)，共七十三頁(yè)，2022年，8月28日36單機(jī)版Blast的基本操作過(guò)程

1.下載單機(jī)版的Blast程序目錄下，下載對(duì)應(yīng)的操作系統(tǒng)版本。

2.解壓程序包(blast-2.28-ia32-linux.tar.gz)命令是:$tarzxvfblast-2.28-ia32-linux.tar.gz 單機(jī)版的Blast使用（二）第三十七頁(yè)，共七十三頁(yè)，2022年，8月28日37下載正確的Blast程序包blast:在本地運(yùn)行的blast程序包wwwblast:在本地服務(wù)器建立blast服務(wù)的網(wǎng)站netblast:blast的客戶(hù)端程序，直接鏈接至NCBI的BLAST服務(wù)器，使用BLAST服務(wù)，不需瀏覽器。第三十八頁(yè)，共七十三頁(yè)，2022年，8月28日38下載正確的Blast程序包Blast程序包的名字上還包括了該程序包運(yùn)行的硬件和操作系統(tǒng)環(huán)境：硬件環(huán)境（CPU）操作系統(tǒng)sparcpowerPCia32ia64amd64mipsalphalinuxmacoxsolarisirixaixfreebsdwin32hpux第三十九頁(yè)，共七十三頁(yè)，2022年，8月28日39 3.獲取Blast數(shù)據(jù)庫(kù)

a.直接從ncbi下載

b.用Blast程序包提供的formatdb工具自己格 式化序列數(shù)據(jù)成數(shù)據(jù)庫(kù)。 假設(shè)有一序列數(shù)據(jù)（sequence.fa，多序列，fasta格式），欲自己做成Blast數(shù)據(jù)庫(kù)，典型的命令如下：?jiǎn)螜C(jī)版的Blast使用（三）第四十頁(yè)，共七十三頁(yè)，2022年，8月28日40核酸序列：$./formatdb–isequence.fa–pF–oT/F–ndb_name蛋白序列：$./formatdb–isequence.fa–pT–oT/F–ndb_name單機(jī)版的Blast使用（四）第四十一頁(yè)，共七十三頁(yè)，2022年，8月28日414.執(zhí)行Blast比對(duì) 獲得了單機(jī)版的Blast程序，解壓開(kāi)以后，如果有了相應(yīng)的數(shù)據(jù)庫(kù)（db），那么就可以開(kāi)始執(zhí)行Blast分析了。 單機(jī)版的Blast程序包，把基本的blast分析，包括blastn，blastp，blastx等都整合到了blastall一個(gè)程序里面。單機(jī)版的Blast使用（五）第四十二頁(yè)，共七十三頁(yè)，2022年，8月28日42以下是一個(gè)典型的blastn分析命令：(待分析序列seq.fa，數(shù)據(jù)庫(kù)nt_db)$./blastall–pblastn–iseq.fa-dnt_db–w7–e10–o

程序名 輸入數(shù)據(jù)庫(kù)窗口e值輸出

seq.blastn.out該命令的意思是，對(duì)seq.fa文件中的核酸序列對(duì)nt_db數(shù)據(jù)庫(kù)執(zhí)行blastn搜索，窗口大小是7，e值限制是10，輸出的結(jié)果保存到文件seq.blastn.out中。單機(jī)版的Blast使用（六）第四十三頁(yè)，共七十三頁(yè)，2022年，8月28日435.Blastall的常用參數(shù)-p程序名應(yīng)該是blastn，blastp，blastx，tblastn，tblastx中的一個(gè)-d數(shù)據(jù)庫(kù)名稱(chēng)，默認(rèn)nr-i查詢(xún)序列文件，默認(rèn)stdin-eE值限制，默認(rèn)10-o結(jié)果輸出文件，默認(rèn)stdout-F過(guò)濾選項(xiàng)，默認(rèn)T-a選擇進(jìn)行運(yùn)算的CPU個(gè)數(shù)單機(jī)版的Blast使用（七）第四十四頁(yè)，共七十三頁(yè)，2022年，8月28日44進(jìn)一步深入Blast1.blast22.Megablast3.Psi-blast4.其他(rpsblast,blastclust等)第四十五頁(yè)，共七十三頁(yè)，2022年，8月28日45Blast2

兩個(gè)序列的blast比對(duì)，給定兩個(gè)序列，相互進(jìn)行blast比對(duì)。能快速檢查兩個(gè)序列是否存在相似性片斷或者是否一致。這比起全序列比對(duì)要快很多。第四十六頁(yè)，共七十三頁(yè)，2022年，8月28日46Megablastmegablast采用了貪婪算法(greedyalgorithm),它連接了多個(gè)查詢(xún)序列進(jìn)行一次搜索比對(duì)，這樣節(jié)省了很多搜索數(shù)據(jù)庫(kù)的時(shí)間。主要針對(duì)核酸序列。是blast經(jīng)過(guò)優(yōu)化后，適用于由于測(cè)序或者其他原因形成的輕微的差別的序列之間的比較，比一般的相似性搜索程序要快10倍，可以很快的完成兩組大數(shù)據(jù)的比對(duì)。第四十七頁(yè)，共七十三頁(yè)，2022年，8月28日47PSI-blastPositionspecificiterativeBLAST(PSI-BLAST)位點(diǎn)特異的迭代blast搜索，主要針對(duì)蛋白序列。第一次blast搜索后，結(jié)果中最相似的序列重新構(gòu)建PSSM(位點(diǎn)特異性打分矩陣)，然后再使用該矩陣進(jìn)行第二輪blast搜索，再調(diào)整矩陣，搜索，如此迭代。最終高度保守的區(qū)域就會(huì)得到比較高的分值，而不保守的區(qū)域則分?jǐn)?shù)降低，趨近0。這樣可以提高blast搜索的靈敏度。第四十八頁(yè)，共七十三頁(yè)，2022年，8月28日48Blast的算法基礎(chǔ)基本思想是：通過(guò)產(chǎn)生數(shù)量更少的但質(zhì)量更好的增強(qiáng)點(diǎn)來(lái)提高速度。BALST算法是建立在嚴(yán)格的統(tǒng)計(jì)學(xué)的基礎(chǔ)之上的。它集中于發(fā)現(xiàn)具有較高的相似性的局部比對(duì)，且局部比對(duì)中不能含有空位（blast2.0引入了允許插入gap的算法）。由于局部比對(duì)的限制條件，在大多數(shù)情況下比對(duì)會(huì)被分解為若干個(gè)明顯的HSP(High-scoreSequencePairs)。第四十九頁(yè)，共七十三頁(yè)，2022年，8月28日49Blast的算法流程第五十頁(yè)，共七十三頁(yè)，2022年，8月28日50首先確定一個(gè)終止值S、步長(zhǎng)參數(shù)w和一個(gè)閾值T。然后軟件會(huì)在考慮搜索背景性質(zhì)的基礎(chǔ)上計(jì)算出合適的S值。使要比對(duì)的序列中包含一個(gè)分值不小于S的HSP。Blast的算法（一）第五十一頁(yè)，共七十三頁(yè)，2022年，8月28日51Blast的算法（二）2.引入鄰近字串的思想：不需要字串確切地匹配，當(dāng)有一個(gè)字串的分值高于T時(shí)，BALST就宣稱(chēng)找到了一個(gè)選中的字串。為了提高速度，允許較長(zhǎng)的字串長(zhǎng)度W。W值很少變化，這樣，T值就成為權(quán)衡速度和敏感度的參數(shù)。第五十二頁(yè)，共七十三頁(yè)，2022年，8月28日52Blast的算法（三）一個(gè)字串選中后，程序會(huì)進(jìn)行沒(méi)有空位的局部尋優(yōu)，比對(duì)的最低分值是S，當(dāng)比對(duì)延伸時(shí)會(huì)遇到一些負(fù)的分值，使得比對(duì)的分值下降，當(dāng)下降的分值小于S時(shí)，命中的延伸就會(huì)終止。這樣系統(tǒng)會(huì)減少消耗于毫無(wú)指望的選中延伸的時(shí)間，使系統(tǒng)的性能得以改進(jìn)。第五十三頁(yè)，共七十三頁(yè)，2022年，8月28日53在1997年提出了對(duì)BLAST程序的改進(jìn)算法，提高了搜索速度、敏感度和實(shí)用性?？商幚黹g隔(gap)的gappedBLAST算法PSI-BLAST算法對(duì)一個(gè)選中字串長(zhǎng)度標(biāo)準(zhǔn)的延伸利用profile(表頭文件)的數(shù)據(jù)結(jié)構(gòu)來(lái)進(jìn)行搜索Blast的改進(jìn)（一）第五十四頁(yè)，共七十三頁(yè)，2022年，8月28日54以?xún)蓚€(gè)步長(zhǎng)各為w的字串開(kāi)始搜索。若兩個(gè)字竄在序列上不重疊，并且位于同一對(duì)角線(xiàn)上，并且距離在A之內(nèi)，則將這兩個(gè)字串聯(lián)起來(lái)作為搜索的起點(diǎn)。執(zhí)行通常的BLAST算法，使用一種不同的記分方式，根據(jù)高度顯著比對(duì)(HSPs)的最高分值建立一個(gè)最初的profile。Blast的改進(jìn)（二）第五十五頁(yè)，共七十三頁(yè)，2022年，8月28日55根據(jù)該profile反復(fù)利用BLAST算法對(duì)數(shù)據(jù)庫(kù)進(jìn)行搜索，這一步實(shí)際上是根據(jù)表頭文件的統(tǒng)計(jì)結(jié)果擴(kuò)展局部比對(duì)。這一過(guò)程是反復(fù)進(jìn)行的，直到再?zèng)]有發(fā)現(xiàn)新的有意義的匹配為止。由于在每一輪都會(huì)有新的片段加入，因此在操作過(guò)程中profile需要在每一個(gè)循環(huán)結(jié)束之后更新。Blast的改進(jìn)（三）第五十六頁(yè)，共七十三頁(yè)，2022年，8月28日56第五十七頁(yè)，共七十三頁(yè)，2022年，8月28日57數(shù)據(jù)庫(kù)搜索工具的sensitivity與selectivitySensitivity:盡可能多地搜索到具有一定相似性的序列的能力。Selectivity:盡可能準(zhǔn)確地搜索到對(duì)研究目的有用的相似性的序列的能力。第五十八頁(yè)，共七十三頁(yè)，2022年，8月28日58其他的序列相似性搜索工具

－fastaFastA算法是由Lipman和Pearson于1985年發(fā)表的（Lipman和Pearson，1985）。FastA的基本思路是識(shí)別與代查序列相匹配的很短的序列片段，稱(chēng)為k-tuple。以下鏈接是EBI提供的fasta服務(wù)。

第五十九頁(yè)，共七十三頁(yè)，2022年，8月28日59幫助信息各個(gè)參數(shù)選項(xiàng)填入搜索序列第六十頁(yè)，共七十三頁(yè)，2022年，8月28日60基本思想是：一個(gè)能夠揭示出真實(shí)的序列關(guān)系的比對(duì)至少包含一個(gè)兩個(gè)序列都擁有的字(片斷)，把查詢(xún)序列中的所用字編成索引，然后在數(shù)據(jù)庫(kù)搜索時(shí)查詢(xún)這些索引，以檢索出可能的匹配，這樣那些命中的字很快被鑒定出來(lái)。FASTA算法基礎(chǔ)第六十一頁(yè)，共七十三頁(yè)，2022年，8