比对软件Blast，Blast+，Diamond如何选_diamond blastn

比对软件Blast，Blast+，Diamond比较

1. Blast
   （1）格式化数据库
   formatdb -i db.seq -p T -o T -l logfile
   主要参数：
   -i 输入需要格式化的源数据库名称
   -p 文件类型，是核苷酸序列数据库（F - nucleotide）/蛋白质序列数据库（T – protein），default = T
   -a 输入数据库的格式是否为ASN.1/FASTA [T/F]，default = F
   -o 解析选项：解析序列标识并且建立目录[T/F]，default = F
   -l 自定义log文件命令default=formatdb.log，记录运行时间、版本号、序列数目等
   -n 自定义库文件命名
   建库结果：
   如果建立的是核酸库，输出为db.seq.nhr、db.seq.nin、db.seq.nsq三个文件，若选择了“-o T”，还会同时输出db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd四个文件，一共七个。
   蛋白库和核酸库的输出类似，相应的输出文件为：db.seq.nhr、db.seq.nin、db.seq.nsq和db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd七个文件。
   此外还有log文件。

（2）blastall
`blastall -i test.fa -d test.fa -o testblast.out -p blastp -F F -m 8 -e 1e-5 -b 10 -v 10 -a 2```
主要参数：
以上流程中所用参数：
-i 所用查询序列文件
-d 所用序列数据库的名称 default=nr
-o BLAST结果的输出文件
-p 所用程序名称: blastn，blastp，blastx，tblastn，tblastx
-F 查询序列过滤：将那些给出影响比对结果的低复杂度区域过滤掉 default = T
-m 比对结果显示格式 defalut=0
-e 期望值，描述搜索某一特定数据库时，随机出现的匹配序列数目default = 10.0
-b 显示比对结果的最大数目 default=250
-v 单行描述的最大数目 default=500
-a 使用处理器的数目 default = 1（单机）
其他参数：
-G 空位gap开放罚分 default = 0
-E 空位gap扩展罚分 default = 0
-I 描述行显示GI号[T/F]， default = F
-q 核酸序列基对不匹配mismatch所罚分数（只对blastn有效）default = -3
-r 核苷酸序列基对匹配match所加分数（只对blastn有效） default = 1
-g 是否执行带缺口的比对 [T/F]，default = T
-B 需要联配查询的序列数目 default = 0
-S:在数据库中搜索时所使用的核酸链strand(只对blastn、blastx和tblastx有效)，1表top，2表bottom，3表both，default=3
-T: 产生HTML格式的输出[T/F]，default = F
-n: 使用MegaBlast搜索[T/F]，default = F
-r : 一个核酸碱基的正确匹配(match)的奖分（只对blastn有效），default = 1
-M: 所使用的打分矩阵，default = BLOSUM62

-m 比对结果格式选项:

0 = pairwise,显示具体匹配信息（缺省）
1 = query-anchored showing identities,查询-比上区域，显示一致性
2 = query-anchored no identities,查询-比上区域，不显示一致性
3 = flat query-anchored, show identities,查询-比上区域的屏文形式，显示一致性
4 = flat query-anchored, no identities,查询-比上区域的屏文形式，不显示一致性
5 = query-anchored no identities and blunt ends,查询-比上区域，不显示一致性，无突然的结束
6 = flat query-anchored, no identities and blunt ends,查询-比上区域的屏文形式，不显示一致性
7 = XML Blast output,XML格式的输出
8 = tabular,TAB格式的输出
9 =tabular with comment lines,带注释行的TAB格式的输出
10 =ASN, text,文本方式的ASN格式输出
11 =ASN, binary [Integer] default = 0,二进制方式的ASN格式输出
m8格式12列结果：

Query id, Subject id, % identity, alignment length, mismatches, gap openings, q.start, q.end, s.start, s.end, e-value, bit score
第一列为Query(递交序列)，
第二列为数据库序列(目标序列subejct)，
第三列为: identity
第四列为：比对长度
第五列为：错配数
第六列为：gap数
第七列和第八列为：Query开始碱基位置和结束碱基位置
第九列和第十列为：Subject开始碱基位置和结束碱基位置
第十一列为：期望值
第十二列为：比对得分
Ref: https://blog.csdn.net/g_r_c/article/details/8477924
https://blog.csdn.net/bangemantou/article/details/7726585

2. Blast+
   blast+是blast的升级，将blastn,blastx等程序与blastall命令分隔开来，对各个命令的参数定制更为方便。
   blast+也是格式化数据库和比对搜索两步，但命令不同。

（1）格式化数据库
makeblastdb -in db.fasta -dbtype prot -parse_seqids -out dbname -title dbtitle -logfile filename
参数说明:
-in：待格式化的序列文件
-dbtype：数据库类型，prot或nucl
-parse_seqids：解析序列标识（建议加上）
-out：数据库名
-title：数据库名（略）
-logfile：日志文件，默认输出到屏幕
更多参数 makeblastdb -help

（2）blast+比对
蛋白序列比对蛋白数据库（blastp）
blastp -query seq.fasta -db dbname -out seq.blast -outfmt 6 -evalue 1e-5 -num_alignments 10 -num_descriptions 10 -num_threads 2
blastx -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_descriptions 10 -num_threads 2
参数说明:
-query： 输入文件路径及文件名
-out：输出文件路径及文件名
-db：格式化了的数据库路径及数据库名
-outfmt：输出文件格式，总共有12种格式，6是tabular格式，对应BLAST的m8格式
-evalue：设置输出结果的期望值
-num_alignments 显示比对数Default = 250
-num_descriptions：单行描述的最大数目 default=500
-num_threads：线程数
更多参数 blastp -help

3. diamond

为什么用diamond，就是快，就是快！！

diamond主要4个程序：
makedb
blastp
blastx
view
过程也是建库和 比对两步。

-（1）建库
diamond makedb --in nr.fa -d nr
参数说明：
–in : 参考序列（格式：fasta）
-d: 索引的前缀名

-（2）比对
diamond blastp -d nr -q reads.fa -e 1e-5 -f 6 -o out_diamond.m6 -k 10 -p 2
主要参数说明
–db/-d 输入比对数据库
–query/-q 比对序列
–threads/-p 线程数
–out/-o 输出文件
–outfmt/-f 输出文件格式，默认6（表格）
–evalue/-e 比对的最大evalue值（默认0.001)
–max-target-seqs/-k 比对到的最大序列数，默认值是25

其他参数：
–top 百分数的形式表示–max-target-seqs
–min-score 最小评分
–id 给出指定百分比的数据
–subject-cover 最小覆盖度
–unal (0,1) 是否输出未比对上的reads（0=no, 1=yes）
–sensitive 建议对齐较长的序列
–more-sensitive 比对准确度更高
–block-size/b，一次处理的十亿碱基的大小，主要控制内存使用，默认为2（预计使用此内存数量的大约六倍，即默认内存使用将到达12G），转录流程使用0.2
–salltitles 将全长标题包含在DAA格式中，默认DAA文件仅包含缩短序列ID（直到第一个空白字符）

转录组流程使用参数：
diamond blastx --evalue 1e-05 --threads 3 --outfmt 5 -d /ifs4/BC_PUB/biosoft/db/Pub/nr/RNA/20170924/animal.fa -q allcdnawithnovelcds.fa -o allcdnawithnovelcds.fa.blast.nr --seg no --max-target-seqs 5 --more-sensitive -b 0.2 --salltitles

Ref: https://github.com/bbuchfink/diamond/blob/master/diamond_manual.pdf

diamond输出格式：

0 BLAST pairwise format.
5 BLAST XML format.
6 表格模式 (默认输出格式).
100 DIAMOND
101 SAM format.
102 Taxonomic classification.
103 PAF format.