寫(xiě)在前面
用過(guò) BLAST 進(jìn)行基因功能注釋的朋友應(yīng)該常常遇到兩個(gè)問(wèn)題：
- BLAST 輸出格式較多，選擇哪一類(lèi)輸出格式更為實(shí)用？
- 輸出結(jié)果信息較多，如果方便下游數(shù)據(jù)分析？
BLAST 的輸出文件格式建議
基于我個(gè)人生信數(shù)據(jù)分析項(xiàng)目經(jīng)驗(yàn)，一般用戶(hù)會(huì)選擇以下四種格式：
- pairwise
- blast tab ，即 -outfmt 6
- ASN
- XML
以下逐個(gè)解讀。
Pairwise 格式
這一個(gè)是常見(jiàn)于絕大多數(shù)網(wǎng)站自行搭建的 BLAST 服務(wù)。比如擬南芥 TAIR 的 Blast 輸出，大體如下，
清晰明了，對(duì)于少量序列，比如 一兩個(gè)序列的 比對(duì)結(jié)果查看，那么這一格式非常合適。但一旦數(shù)據(jù)較多，比如我們上千個(gè)差異表達(dá)基因或者是關(guān)聯(lián)出來(lái)的基因列表，那么就不太合適。于是一般會(huì)用 Table （--outfmt 6 或 7 ）
Blast Tab 格式
Blast Tab 格式，這個(gè)名字，是我自己給的。因?yàn)檫@個(gè)格式其實(shí)就是純粹的 制表符分隔 的 表格。一般情況下，blast+ 設(shè)置輸出格式為 -outfmt 6 或者 7 （后者包含表頭）即可。大體格式可以看看下方，
直接在 Excel 中查看即可。可以看出，一列一列擺放，以 HSP （也就是 高度相似片片段）為單位。這個(gè)序列的比對(duì)結(jié)果不太直觀（具體見(jiàn)下文）。
ASN 格式
說(shuō)實(shí)話(huà)，我估計(jì)絕大部分號(hào)稱(chēng)自己搞數(shù)據(jù)分析的，其實(shí)也不知道有這個(gè)格式。
ASN格式，類(lèi)似 JSON，是 NCBI 自定義的格式，存儲(chǔ)信息最全面，可以直接使用 Blast 軟件轉(zhuǎn)換為其他格式。唯一麻煩的可能是，用戶(hù)需要轉(zhuǎn)換一次，有些人不喜歡。當(dāng)然我也不喜歡，畢竟...XML相對(duì)容易解析。
XML 格式
一直以來(lái)，我最新?lián)Q的就是 XML 格式。主要原因有：
- 相比于 Pairwise 和 ASN 格式來(lái)說(shuō)，XML 更容易使用 程序解析
- 相比于 Table 格式來(lái)說(shuō)，XML 信息更全面
具體可看
對(duì)應(yīng)所有 TBtools 用戶(hù)來(lái)說(shuō)，我個(gè)人是建議，如果只是一兩條序列的 BLAST ，那么建議 Pairwise 格式，而其他所有情況，直接輸出 XML 格式。因?yàn)?TBtools 下面有系列功能可以可視化 和 解析。
大體功能介紹
XML 轉(zhuǎn)換為 BLAST Tab 格式
所有 BLAST XML 輸出文件，可以直接使用 TBtools，轉(zhuǎn)換為 BLAST Tab。非常方便。
TBtools Table 格式
正如前面體積，BLAST 默認(rèn)的輸出以 HSP 為單位，有時(shí)候并不太合適。比如，有些時(shí)候比對(duì)結(jié)果是這樣的（即超過(guò) 1 個(gè) HSP）
這種情況下，如果是 NCBI BLAST 默認(rèn)的 表格輸出，那么就是
我們完全可以想想，有不少時(shí)候，可能有 N 個(gè)hsp。而這些信息，本身冗余。此外，也無(wú)法直接看到比對(duì)覆蓋率。為此.... 很久很久以前，我就開(kāi)放了一個(gè)功能，自定義了一個(gè) TBtools Table。具體如下，
可以看出，多個(gè) HSP 的信息被整合為一行，也補(bǔ)充了覆蓋率的計(jì)算等等。每行就是一個(gè) Hit ，更符合實(shí)際用戶(hù)觀測(cè)數(shù)據(jù)需求。
僅僅如此？
當(dāng)然不是。這兩天，我又在折騰一些生物學(xué)問(wèn)題相關(guān)的課題。于是需要看一堆基因大體注釋信息。盡管上述說(shuō)到的 TBtoosl Table 相對(duì)簡(jiǎn)潔。但還是不夠直觀，畢竟一個(gè)人序列還是對(duì)應(yīng)了多個(gè) hits。所以最好的做法就是，進(jìn)一步把所有的 hits 整合成 一行（這個(gè)想法在三四年前，夏老師提過(guò)，不過(guò)...我一直懶得實(shí)現(xiàn)）。索性寫(xiě)了一下，輸出結(jié)果如下。
說(shuō)實(shí)話(huà)，不能太完美...
而且具體使用一樣簡(jiǎn)單：
- 輸入BLAST的XML格式輸出文件，支持 DIAMOND XML，建議比對(duì)到 Swissprot
- 輸出文件路徑
具體界面如下，注意到新版本的 TBtools，直接整合了 三個(gè)表格轉(zhuǎn)換功能
一切，就這么簡(jiǎn)單....
當(dāng)然，其實(shí)新版本修復(fù)了一小部分 BLAST XML to Table 的小bug，建議各位更新，盡管，我已經(jīng)推送了自動(dòng)更新.....
寫(xiě)在后面
TBtools 的序列提取 和 BLAST 相關(guān)功能，是最老的功能，意味著他們的具體界面化和實(shí)現(xiàn)邏輯，都是一個(gè)具有不到半年 Java 編程經(jīng)驗(yàn)（接觸編程剛過(guò)一年）的小孩子寫(xiě)的。現(xiàn)在看來(lái)，多少顯得粗糙。但回過(guò)頭來(lái)，這個(gè)跟不少大佬說(shuō)的一樣：
- 以前，有時(shí)間，但是沒(méi)經(jīng)費(fèi)
- 現(xiàn)在，有經(jīng)費(fèi)，但是沒(méi)時(shí)間
而大佬終歸是大佬嘛。對(duì)于我，那么情況是：沒(méi)時(shí)間，也沒(méi)經(jīng)費(fèi)。
哈哈哈哈哈哈哈哈
