第3章：BLAST版本对比——BLAST+ vs BLAST legacy
如果你用过早期的BLAST，大概还记得那套老工具集——BLAST legacy。它从90年代就开始服役，直到2010年前后，NCBI正式推出了BLAST+的稳定版。为什么非要换？说白了，legacy版本在架构、性能、维护上都有硬伤。
我自己最开始接触BLAST时用的就是legacy，那时候做一次大规模序列比对，单线程跑几个小时是常事。后来切换到BLAST+，嗯，加速效果明显，而且命令行统一了很多。这一章我们就来盘一盘两者到底差在哪，以及BLAST+到底带来了哪些实质性的好处。
3.1 命令行风格的巨变
先看个直观的例子。老版的blastall命令，参数名称又长又乱：
# BLAST legacy 示例
blastall -p blastn -i query.fasta -d nt -o output.txt -e 1e-5 -m 8 -a 4到了BLAST+，变成这样：
# BLAST+ 示例
blastn -query query.fasta -db nt -out output.txt -evalue 1e-5 -outfmt 6 -num_threads 4你看，BLAST+采用了统一的-query、-db、-out这种长选项风格，而且参数名称和逻辑更一致。不用再去记-p代表什么程序类型，-m 8到底是哪种输出格式——BLAST+直接给你写清楚-outfmt 6。
核心变化：BLAST+ 将不同子程序（blastn、blastp、blastx等）独立为单独的可执行文件，不再是靠一个 blastall 加参数切换。这简化了脚本调用，也更容易做并行化。
3.2 新特性与优势详解
BLAST+ 的新特性，我觉得最实用的集中在以下几点：
- 多线程支持：legacy只能单线程，BLAST+直接用
-num_threads开启并行搜索，速度提升明显。 - 更灵活的输出格式：除了经典的pairwise格式，还支持多种表格格式（
-outfmt 6、-outfmt 7等），方便下游解析。 - 数据库格式优化：使用新的二进制索引格式，建库速度更快，搜索时I/O开销更低。
- 管道化设计：支持从标准输入读取序列，输出到标准输出，便于整合到自动化流程。
- 更好的错误处理：错误信息更详细，退出码更规范，脚本调试轻松不少。
我记得以前维护一个批量比对流程，legacy版本如果输入序列有问题，经常不吭声就直接退出，返回码也不明确。换到BLAST+后，错误信息会告诉你具体是哪条序列、哪个参数有问题。这个体验提升非常大。
3.3 功能对比表
下面这张表把关键差异列清楚，你可以拿它当速查手册：
| 特性 | BLAST legacy | BLAST+ |
|---|---|---|
| 主程序结构 | 单个 blastall + 参数 | 独立子程序 (blastn, blastp 等) |
| 命令行风格 | 短参数 (-p, -i, -d) | 长参数 (-query, -db, -out) |
| 多线程支持 | 无 (单线程) | 支持 (-num_threads) |
| 输出格式 | -m 0~9 等，不易记 | -outfmt 0~18，命名直观 |
| 数据库构建 | formatdb (旧版) | makeblastdb (新版) |
| 管道/流式支持 | 有限 | 标准输入输出全支持 |
| 跨平台兼容 | 部分平台需手动编译 | 提供预编译二进制包 |
| 维护状态 | 已废弃 (2011年停更) | 活跃维护至今 |
3.4 我遇到过的几个“坑”
先说一个曾经让我头疼的问题。在legacy时代，如果想只输出最好的几条结果，要用 -b 5。但BLAST+里，你就要用 -max_target_seqs 5。这俩参数的行为还不太一样——-b控制的是报告数量，-max_target_seqs控制的是对每个查询序列保留的目标序列数。有些人迁移时没注意这个差异，结果筛选结果少了。
另一次是在集群上跑大规模任务时，我发现legacy版本的输出里，同一查询序列如果匹配到多条数据库序列，顺序排列规则和BLAST+不同。BLAST+默认按evalue升序排列，而legacy有时会把相同evalue的结果按位分值排序。这个细节导致我早年写的一个下游统计脚本在迁移后数据对不上。
避坑指南：迁移脚本时，务必检查 evalue/score 排序逻辑，以及输出字段的列顺序（特别是 -outfmt 6 与 legacy 的 -m 8，列定义不完全相同）。
3.5 为什么我推荐所有人都用BLAST+
如果你手里还有遗留的legacy脚本或数据库，我的建议是：尽快迁移。NCBI早在2011年就停止了legacy版本的更新，后续的安全修复、新功能（比如对长读长序列的支持、新数据库格式）都不会再移植过去。
而且BLAST+的文档非常完善，官方手册里每个参数的意义、默认值、影响都写得很清楚。我在给团队做培训时，基本都是拿BLAST+的命令行当范例。
# 一个典型的BLAST+调用（多线程、自定义输出格式）
blastn -query reads.fasta -db nr -out results.tsv \
-evalue 1e-5 -outfmt "6 qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore" \
-num_threads 8 -max_target_seqs 20这里的小技巧：用引号把输出字段列表括起来，避免shell把空格解析成多个参数。另外-outfmt支持自定义字段顺序，你下游处理时直接按列解析就行了。
实用技巧：如果你需要从legacy迁移大量旧脚本，可以先跑一个对比测试：对同样的输入和数据库，分别用legacy和BLAST+各跑一次，然后比较输出字段顺序和数量。用 diff 或 awk 脚本自动检查，能快速定位差异点。
说到底，BLAST+ 不是简单的升级，而是对原有工具链的重新设计。它更干净、更快、更容易集成到今天的生物信息学工作流里。我个人强烈建议所有用户都完成这个切换——哪怕你还在维护老的数据库或脚本，花半天时间迁移，后续省下的时间是以周计算的。