第4章：BLAST命令行基础——五兄弟各显神通

好，我们现在正式进入实操环节。

前面聊了这么多理论，你肯定手痒了——到底怎么跑BLAST？

我刚开始接触BLAST时，面对一大串程序名，心里直犯嘀咕：blastn、blastp、blastx、tblastn、tblastx……这也太多了，到底用哪个？

说白了，这五个程序就是BLAST家族的「五兄弟」。各有各的本事，也各有各的适用场景。选错了，要么跑不出结果，要么结果没意义。

嗯，咱们一个一个来看。先画张图，把这五兄弟的关系理清楚。

4.1 blastn：核酸比对核酸，最常用的工具

说起blastn，它是我用得最多的一个。做基因组注释、找同源序列、鉴定未知片段，第一个想到的就是它。

它的逻辑很简单：拿你的DNA/RNA序列，去和DNA数据库里的序列逐段比较。

核心用法示例：

blastn -query my_unknown_sequence.fa \
       -db nt \
       -out blastn_output.txt \
       -outfmt 6 \
       -evalue 1e-5 \
       -num_threads 4

这个命令我解释一下参数：

• -query: 你的查询序列文件（FASTA格式）
• -db: 你要搜的数据库（这里是NCBI的nt库）
• -out: 结果文件名
• -outfmt 6: 表格格式输出。我个人习惯用6，好解析。
• -evalue: E值阈值。1e-5是业界常用标准。
• -num_threads: 用几个CPU核。服务器上我一般开满。

4.2 blastp：蛋白质对蛋白质，进化分析的利器

如果你手里有条蛋白质序列，想看看它在其他物种里有没有亲戚，就用blastp。

相比核酸，蛋白质序列在进化上更保守。你想想看，DNA每隔几百万年就变一次，但蛋白质的核心功能域可能上亿年都没变。所以做远缘物种比对时，blastp往往比blastn更有说服力。

核心用法示例：

blastp -query protein_query.fa \
       -db nr \
       -out blastp_output.txt \
       -outfmt 6 \
       -evalue 1e-5 \
       -max_target_seqs 100

注意这里多了个 -max_target_seqs。为什么用这个？

因为蛋白质数据库太大，不限制的话结果文件可能会膨胀到几GB。我之前试过跑一个全库blastp，忘了限制输出条数，结果文件大到没法打开。嗯，很惨的回忆。

4.3 blastx：DNA翻译后搜蛋白质库，发现隐藏的基因

blastx 是我最喜欢的程序之一。为什么？

你有一段未知DNA序列，可能是新基因。直接跑blastn可能啥也找不到——因为DNA序列变异太大。但如果你先把DNA翻译成蛋白质，再用蛋白序列去比对，往往能找到蛛丝马迹。

核心用法示例：

blastx -query unknown_genomic.fa \
       -db nr \
       -out blastx_output.txt \
       -outfmt 6 \
       -evalue 1e-3 \
       -num_threads 8

注意E值：我给了1e-3，比blastn的1e-5宽松一些。为什么会这样？因为翻译过程中存在移码和终止子污染，比对本身就有天然噪声。太严格的话，可能把真实匹配也过滤掉了。

4.4 tblastn：蛋白探针在DNA数据库里捞基

tblastn和blastx正好反过来。

你手里有某个保守蛋白质序列（比如某个酶的功能域），你想在一条染色体或者一个基因组上找类似的编码区域。这时候就用tblastn。

它会将你的蛋白质序列，和数据库里每条DNA序列的6框翻译结果逐一比对。

核心用法示例：

tblastn -query kinase_domain.fa \
        -db genome.fasta \
        -out tblastn_output.txt \
        -outfmt 6 \
        -evalue 1e-10

4.5 tblastx：最慢但最敏感，跨物种的最后手段

tblastx 是五兄弟里最笨重的一个。它把查询序列和目标数据库都翻译成蛋白质，再做蛋白-蛋白比对。

为什么需要它？

当两段DNA序列在核酸层面差异太大（比如人和细菌的某个同源基因），blastn完全对不上。但翻译成蛋白质后，功能域可能还有几分相似。tblastx就是抓住这「几分相似」的最后手段。

核心用法示例：

tblastx -query human_lncRNA.fa \
        -db zebrafish_genome.fa \
        -out tblastx_output.txt \
        -outfmt 6 \
        -evalue 1e-5 \
        -num_threads 16

4.6 五兄弟参数速查表

程序	查询类型	数据库类型	比对方式	典型场景	推荐E值
blastn	DNA	DNA	核酸-核酸	同源基因、标记鉴定	1e-5
blastp	蛋白质	蛋白质	蛋白-蛋白	功能注释、进化分析	1e-5
blastx	DNA	蛋白质	DNA(翻译)-蛋白	新基因预测、宏基因组	1e-3 ～ 1e-5
tblastn	蛋白质	DNA	蛋白-DNA(翻译)	基因组上的功能域定位	1e-5 ～ 1e-10
tblastx	DNA	DNA	DNA(翻译)-DNA(翻译)	远缘跨物种、lncRNA	1e-5

4.7 实战选择原则

写到这里，我感觉你应该能快速判断了。但为了保险，我给你一个简单的决策流程：

1. 先判断序列类型：你手里是DNA还是蛋白质？
2. 再判断数据库类型：目标是核酸库还是蛋白库？
3. 同类型直接比对：DNA-DNA → blastn；蛋白-蛋白 → blastp
4. 跨类型先翻译：DNA搜蛋白 → blastx；蛋白搜DNA → tblastn
5. 两边都翻译：仅当blastn和blastx都不出结果时用tblastx