转载的一篇关于blastall的文章，在使用的时候，还是要对应的看每个参数的意思，切记

blast的运行分为两个步骤：第一，建立目标序列的数据库；第二，做blast比对。

1、运行建库程序formatdb:

建库的工程是建立目标序列的索引文件，所以程序是formatdb。程序允许的输入格式是FASTA或者ASN.1格式，通常我们使用的FASTA格式的序列作为输入。用于建库的FAST序列是db.seq, formatdb的基本命令是：

formatdb   –i  db.seq  [-options]

常用参数：

-p (T/F):  -p参数的意义是选择建库的类型，“T”表示蛋白库，“F”表示核算库，缺省值为“T”

-o(T/F):     -o参数的意义是判断是否分析序列名并建立序列名索引。“T”表示建立序列名索引，“F”表示不建立序列索引。缺省值为“F”。

程序输出：

如果建立的是核算库，输出为db.seq.nhr、db.seq.nin、db.seq.nsq，三个文件，如果选择了“-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。

蛋白库和核算库的输出类似，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。

除了这个结果，程序还会输出LOG文件（默认为formatdb.log），里面记录了运行时间、版本号、序列数量等信息。

几点需要注意的问题：

1）、建库以后，做blast比对的输入文件就是建库所得的文件db.seq.n**或者db.seq.p**，而不是原始的FASTA序列，也就是说，建库以后，原始序列文件是可以删除的。

2）、如果命令行中选择了“-o  T”，并且目标序列中好友gi号重复的序列名时，程序会停止建库并报错。

就是说库文件中不能出现重复的序列（标志是序列号，跟具体的序列没有关系）。

3）、如果输入序列不符合FASTA格式或者ASN.1格式，程序会自动退出，并报错。

[formatdb] ERROR: Could not open db.

4）、核酸序列可以用于建核算库和蛋白库，但是蛋白序列不能用于建核算库，这个是显然的，密码子的问题哦！

其他参数介绍：

-l :  “-l  文件名”用来改变LOG文件的命名

-n :  “-n  文件名”可以自定义生成的库文件命名

-a :  输入文件为ASN.1格式

2、运行比对程序blastall:

Blast的主程序是blastall。程序的输入文件是query序列（- i参数）而和库文件（-d 参数），比对类型的选择（- p参数）和输出文件（- o 参数）由用户指定。其中“-p”参数有5中取值：

程序名      查询序列类型      查询数据库类型                 应用

blastp           蛋白质                   蛋白质                  使用取代矩阵寻找较远的关系

blastn             核酸                      核酸                    寻找较高分值的匹配，对较远关系不太适用

blastx             核酸(翻译)           蛋白质                   用于分析新的DNA序列和ESTs

tblastn          蛋白质                    核酸(翻译)           用于寻找数据库中没有标注的编码区

tblastx            核酸(翻译)             核酸(翻译)           用于更进一步的分析ESTs

这些元素就构成了 blast 的基本运行命令（以 blastn 为例）：

blastall  -i  query.fa  -d  database  -o  blast.out  -p  blastn 

其中如果"-o"参数缺省，则结果输出方式为屏幕输出。

参数：

仅仅运行blast的基本运行命令，得到的结果往往不能清晰准确的表示出有用的信息。最大的问题就是有太多的冗余，很多很短的比对都会出现在输出结果中，导致结果杂乱无章。为了处理杂乱无章的比对结果，满足各种比对需求，blast设置了很多参数来限制比对的范围和输出的形式。一下多数结果以blastn距离，如不做特殊说明，这些参数适合于所有比对方式。

-e 参数

-e（value）参数是用来过滤比对较差的结果的，用“-e”参数指定一个实数，blast会过滤掉期望值大于这个数的比对结果（就是说这个值越小比对结果就越好）。

blastall  -i  query.fa  -d  database  -o  blast.out  -p  blastn  -e 1e-10

通常情况下，对于不同物种之间的比对，期望值设在1e-5左右即可；而对于同源性较高的物种或者同种的比对，可以适度将期望值调的更小来过滤垃圾结果。比对同一物种cDNA和染色体的比对，参数可用1e-10或更高。

-F 参数

-F（T/F）参数是用来屏蔽简单重复和低复杂度序列的。如果选“T”，程序在比对过程中会屏蔽掉query中的简单重复和低复杂度序列；选“F”则不会屏蔽。缺省值为“T”。

比较两个结果，我们看出使用缺省参数的比对结果损失了一部分信息，得到的统计结果也

出现失真，期望值和 identity 都没有反映出真实情况。有时较长的重复序列甚至会导致比对终止。加了"-F F"就保证了比对结果的完整性。通常在大规模、低精度的比对中，往往用缺省参数，这样能避免程序把过多的时间浪费在无意义的简单重复上，提高运行速度；而在小规模、高精度的比对中，需要加上参数"-F F"，保证比对的精确度和完整性。

-m 参数：

“-e”参数能够做到筛选适当的比对结果，但是即使如此，blast的输出结果仍然非常庞大并且难以处理。为了精简输出、节省存储空间、实现更多功能并使结果易于处理，blast 提供了参数“-m (integer)”来设定输出格式，可供选择的值为 0～11 之间的整数，缺省为 0。下面就通过实例逐个解析“-m”参数能够实现的输出功能。

-m  8 : 列表格式的比对结果。从做导游割裂的意义一次是：query名/subject名/identify/比对长度/错配数/空位数/query比对起始坐标/query比对终止坐标/subject比对起始坐标/subject比对终止坐标/期望值/比对得分

在 m8 格式中通过 subject 的比对起止位置可以判断出序列的比对方向。判断方法就是：query和subject的起始和终止坐标是否一致增减。

可以使用“blastall-”获取在线帮助。
blastall的常用参数:
-p：执行的程序名称
-d：检索的数据库名称
-i： 要查询的序列文件名(Query File)
-e(数学)： 期望值(Expectation value)，E值是个统计阈值，缺省值10, 意指比对结果中由于随机偶然性产生的匹配结果不大于10,E值越小结果越可靠。

-o： 查询结果输出文件名
-m： 比对结果显示格式选项，缺省值为0 ，即pairwise格式。另外还可以根据不同的需要选择1~6等不同的格式。
-I： 在描述行中显示gi号[T/F]，缺省值F
-v： 单行描述（one-line description）的最大数目，缺省值500
-b： 显示的比对结果的最大数目，缺省值250

-F： 对于要查询的序列做低复杂度区域(low complexity regions, LCR)的过滤[T/F]，缺省值T。对blastn用的是DUST程序，其他比对用的是SEG程序。
所谓“低复杂度区域”是指某些或一些残基过多表现，短周期重复等。对于高等哺乳动物的基因组序列，可以先用RepeatMask程序遮蔽重复元件。在输出结果中，对LCR区的序列核酸用“N”代替，蛋白质序列用“X”代替。

-a： 运行BLAST程序所使用的处理器的数目，缺省值1
-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表示top，2表示bottom，3表示both；缺省值3
-T： 产生HTML格式的输出[T/F]，缺省值F
-n： 使用MegaBlast搜索[T/F]，缺省值F

-G：打开一个gap的罚分（0表示使用缺省设置值），默认0
-E：扩展一个gap的罚分（0表示使用缺省设置值），默认0
-q：一个核酸碱基的错配(mismatch)的罚分（只对blastn有效），缺省值-3
-r：一个核酸碱基的正确匹配(match)的奖分（只对blastn有效），缺省值1
-M：所使用的打分矩阵，缺省值BLOSUM62

命令举例:
   blastall -p blastn -i U00096.ffn -d ecoli -o U00096_Vs_ecoli_blastn.out -F F
   blastall -p blastp -i U00096.faa -d nr -o U00096_Vs_NR_blastp.htm -e 0.01 -b 1 -v 1 -T T
   blastall -p blastx -i U00096.ffn -d nr -o U00096_Vs_NR_blastx.htm -e 1e-5 -b 1 -v 1