blast+ 使い方 best hitの算出 awkとoutfmt7

バイオインフォ道場、くまぞうです。

blastはよく使うツールの1つです。色んな機能があるし、オプションもたくさんあるので使いこなすのが大変です。よく苦労するのが「best hitを1個だけ取り出す」ことですが、実は「outfmt7」を使うと簡単に得ることができます!使用したバージョンは、「ncbi-blast-2.3.0+」です。

スポンサーリンク



blast+ Tophit一覧表の作成

blastxを使いながら、実際の流れを確認してみましょう。

blast準備 – makeblastdb

blast検索を行う前に、blast用のデータベースを作成します。データベースとなるファイルが「塩基配列」か「アミノ酸配列」かによって、-dbtypeのオプションを切り替えます。前者は「-dbtype nucl」、後者は「-dbtype prot」です。

makeblastdb -in aa_db.pep -dbtype prot

blast実行 – blastx

blastxは、クエリー塩基配列について表裏合わせて6通りの読み枠で翻訳しながら,アミノ酸配列のデータベースと比較します。「-evalue」や「-word_size」などのサーチオプションを指定することができます。今回は、ベストヒットの整理を簡単にするために出力フォーマット形式を「tabular with comment lines」と指定します(-outfmt 7)。

blastx -query na_query.fasta -db aa_db.pep -outfmt 7 > blastx.outfmt7

結果整理 – awkワンライナー

結果として得られたoutfmt7形式のファイルを「awk」のワンライナーで処理します。処理は簡単です。awkで「hits found」の行に対して「getline」で次の行を取得・表示しています。grepでは「-v」の指定でコメント行を排除しています。

cat blastx.outfmt7 | awk '/hits found/{getline;print}' | grep -v "#" > best_hits.txt

まとめ

blastの「best hit」はオプション設定で得られると思っていました。しかし、「-max_target_seqs 1 -outfmt 6」のようなオプション指定をしても、必ずしも「ベストヒット1個だけ」が得られるわけではないようです。データベース側の同じ配列に複数パターンでヒットする場合は、複数出力される場合もあります。

各queryに対して得られたHit結果群は、数値的に条件が良いものからソートされているようなので、このような処理が簡単です。outfmt6はコメントがなく一覧形式として最適ですが、「hits found」のようなキーワードが無いので、整理するためには別の方法が必要となります。

スポンサーリンク