核酸配列ホモロジー検索の使い方

blastn

blastn は、塩基配列からなる入力配列と相同性を持つ塩基配列をデータベースから検索するプログラムである。アミノ酸には対応しておらず、アミノ酸配列に対して相同性検索を行う場合は blastp を使う。このページでは blastn の使用方法を紹介する。

データベースを作成

まず、検索対象となるデータベースを作成する。ここではマウスのゲノムデータベースを作成する。その元ファイルは Ensembl (FTP) からダウンロードできる。この例では、Mus_musculus.GRCm38.70.dna.toplevel.fa.gz をダウンロードして利用する。ファイルは gzip で圧縮されているため、まずは展開する。

gunzip Mus_musculus.GRCm38.70.dna.toplevel.fa.gz

次に、ここで得た FASTA ファイルを makeblastdb コマンドに与えて、blast 用のデータベースを作成する。ここでは、データベースの名前を MusNuclDB と命名している。データベースの名前は任意に付けることができる。また、データベース化する配列が塩基配列であることを示すために、-dbtype nucl を指定する。

makeblastdb -in Mus_musculus.GRCm38.70.dna.toplevel.fa -dbtype nucl -out MusNuclDB -parse_seqids

実行が終了すると、ディレクトリに「MusNuclDB.nhr」、「MusNuclDB.nog」、「MusNuclDB.nsi」、「MusNuclDB.nin」、「MusNuclDB.nsd」、「MusNuclDB.nsq」のファイルが生成されます。これら全部合わせてデータベースとなります。

この例では、Ensembl でダウンロードした全ゲノム配列を使用したが、独自に定義した配列を FASTA ファイル(.fa)に保存して、同様な手順でその FASTA ファイル中の配列をデータベース化することもできる。

blastn による相同性検索

データベースを作成したのちに、そのデータベースに対して検索を行うことができるようになる。検索キーワードとして、次のような入力配列(クエリー配列)を用意し、FASTA ファイル(query.nucl.fa)に保存する。

>unknown
TCTTATTGACAGTGTCTTTTGCCTTACAGAAGCTTTGCAATTTTATAAATTTGT
CAATTCTCGATCTTAGAGCATAAGTACTGTTCTATTCAGGAATTTTTCCCCTAC
CAATATCTTCAAGGCTTTCCCCCACTTCTCCTCGTTTCACTGTCTCTGGTTTTA
TGTGCAGTTCCTTAATCCACTTAGATTTGACCTTAGTACAAGGAGATAGATCAA
TTCACGTTCTTCTACATGATAACCACCAGTTGGGCCATCATCATTTGTTGAA

次に、blastn にデータベースのパス(-db)、クエリー配列のファイルのパス(-query)、そして出力結果を保存するファイルのパス(-out)を指定して、検索を行う。

blastn -db MusNuclDB -query query.nucl.fa -out result.txt

相同性検索の結果

検索が正しく行われるとディレクトリに result.txt が生成される。検索結果がこのファイルに保存されている。その一部が以下のようになっている。

BLASTN 2.2.28+

Reference: Zheng Zhang, Scott Schwartz, Lukas Wagner, and Webb
Miller (2000), A greedy algorithm for aligning DNA sequences, J
Comput Biol 2000; 7(1-2):203-14.

Database: Mus_musculus.GRCm38.70.dna.toplevel.fa
           75 sequences; 3,783,309,620 total letters

Query= unknown
Length=268
                                                                      Score     E
Sequences producing significant alignments:                          (Bits)  Value

lcl|1  dna:chromosome chromosome:GRCm38:1:1:195471971:1 REF            385    1e-104
lcl|13  dna:chromosome chromosome:GRCm38:13:1:120421639:1 REF          300    4e-79 
lcl|6  dna:chromosome chromosome:GRCm38:6:1:149736546:1 REF            296    5e-78 
lcl|15  dna:chromosome chromosome:GRCm38:15:1:104043685:1 REF          296    5e-78 
lcl|5  dna:chromosome chromosome:GRCm38:5:1:151834684:1 REF            294    2e-77 
lcl|2  dna:chromosome chromosome:GRCm38:2:1:182113224:1 REF            294    2e-77 

blastn で利用できるオプション

オプション意味
-queryクエリー配列のファイル名(入力ファイル)を指定
-query_loc入力ファイルの何文字から何文字目までをクエリー配列とするのかを指定
-dbデータベース名を指定
-outblast 検索結果を保存するファイル名を指定(出力ファイル)
-outfmt出力ファイルのフォーマットを指定。
-evalueE-value の閾値
-word_sizeワードサイズ
-gapopen開始ギャップのペナルティ
-gapextend伸長ギャップのペナルティ
-matrixスコアマトリックスを指定(BLOSUM62やPAM32などを指定)
-thresholdワードスコアの閾値。指定したワードサイズでデータベースに照合するとき、そのスコアが閾値以上の場合にのみ、blast 検索を開始する