课程概览：BLAST注释在细菌基因组研究中的作用

说起细菌基因组研究，你可能会觉得这是实验室里搞微生物的人干的事。但实际情况是，当我们手里拿到一条新测序的基因组序列时，第一个问题永远是：这些碱基到底在干什么？

BLAST注释，说白了就是用已有的数据库，去逐条比对你的序列，找到它们的身份。我做了这么多年的细菌基因组项目，每次拿到新数据，第一件事就是跑BLAST。不夸张地说，它就像一位老翻译，帮你把那些“ATCG”的原始文本，转译成有功能、有分类、有生物学意义的信息。

BLAST在细菌基因组中的角色

BLAST（Basic Local Alignment Search Tool）最早是NCBI在1990年发布的。它常被误解成一个简单的“找相似”工具。但其实，它的核心价值在于局部比对算法。你想想看，一个细菌基因组通常是4-6百万碱基，而一个功能基因可能只有几百到几千碱基。BLAST能找到这些局部片段对应的最佳匹配，哪怕你的序列有缺口、有变异。

我在项目中遇到过很多人，直接用BLAST去全基因组比对，结果跑了一天没出来。为什么会这样？因为他们忽略了一个关键点：BLAST是为局部比对设计的，不是全基因组比对器。所以，做细菌基因组注释时，通常会先把基因组切成小片段（比如预测出的基因），再逐条去BLAST。

这里我列一下BLAST在细菌基因组注释中的主要用途：

• 功能注释：预测每个编码基因的产物是什么酶、什么蛋白、参与什么通路。
• 同源基因搜索：找不同菌株之间的共有基因或特有基因。
• 耐药基因检测：比对CARD、ResFinder数据库，看菌株是否有耐药性。
• 毒力因子识别：比对VFDB等数据库，评估菌株致病潜力。
• 分类鉴定：用16S rRNA或全基因组序列，确定菌株的种属。

我为什么重视BLAST注释

刚入行那几年，我总想着用各种机器学习模型去预测基因功能。但回过头来看，BLAST仍然是功能注释的“黄金标准”。为什么？因为它基于实验验证的数据库。你预测一个基因是“抗药性蛋白”，如果BLAST在已知抗药基因库中没有匹配，那这个预测就存疑了。

另外，BLAST的另一个作用很多人没意识到——它可以帮你做质控。我遇到过一种情况：测序公司给了我“完整组装”的基因组，但我用BLAST一比对，发现一条contig全是人的序列。嗯，那是污染。如果我没有跑BLAST，直接往下做功能分析，整个结果都会是错的。

所以，我个人习惯在基因组组装完成后，立刻做一次快速BLAST质控。选一个保守的看家基因，看看在你的菌株里是否正常存在。如果这个基因都丢了，说明组装或注释流程有问题，必须回溯。

本课程期望与体系设计

这个课程不是BLAST工具的入门手册，而是教你如何把它用在真实的细菌基因组项目中。从序列获取、数据库选择、参数调优、结果解析到下游可视化，我们会走完一整套流程。

下面这张SVG图展示了我在项目中实际使用的BLAST注释体系。你可以看到，它不是一条直线，而是一个从原始序列到最终功能图谱的闭环。

这张图展示的是我经常用的一个标准流程。你可能会注意到，我没有把BLAST单独拎出来，而是把它放在基因预测之后，与多个数据库并行比对。这样做的好处是，一次比对即可完成功能、耐药、毒力和分类的多维度分析。

你的预期产出是什么？

这个课程结束时，你会得到一份完整的BLAST注释报告。它包括但不限于：

产出类型	内容说明	示例格式
功能注释表	每个预测基因的BLAST最佳匹配、E-value、相似度、功能描述	TSV / CSV
耐药基因列表	比对CARD/ResFinder后的耐药基因命中情况	BLAST结果 + 耐药类别
毒力因子列表	比对VFDB后的毒力因子鉴定	BLAST结果 + 毒力类别
分类鉴定结果	基于16S或全基因组的物种分类证据	BLAST top-hit 物种
可视化报告	注释分布图、比对热图、基因组环形图	PDF / PNG

我特别想强调一点：产出不只是跑一跑命令。拿到BLAST结果后，还要做过滤、去冗余、解析和展示。你想想看，如果你跑出了10万条BLAST hits，但不知道哪个是可信的，那跟没跑有什么区别？

关于BLAST结果，我习惯把输出格式设为标准的-outfmt 6，也就是制表符分隔的紧凑格式。每条命中占一行，方便后续用shell或Python处理。这是我常使用的命令格式：

blastn -query genes.faa \
       -db /path/to/nr_db \
       -outfmt "6 qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore stitle" \
       -max_target_seqs 1 \
       -out blast_results.txt

这就是后面所有分析的基础。我们会在后续章节中对这些结果做精细处理，包括过滤、去重、注释合并，最后生成一个可以直接写入论文的表格。