BLAST 소개
1. BLAST
BLAST(Basic Local Search Alignment Tool)는 세계적으로 가장 잘 알려져 있는 대표적인 서열검색 프로그램이다. 알고리듬은 1990년 Altchul, Gish, Miller,
Myer 그리고 Lipman등에 의해서 만들어졌고 FASTA 보다 빠르며 높은 정확성을 가지는 프로그램을 개발을 목표로 만들어 졌다. NCBI-BLAST 검색 페이지에 가면
다음과 같음 다양한 프로그램과 데이터베이스를 선택할 수 있으며 각각의 기능들은 다음과 같다.
(1) program
- blastp: 단백질서열간의 비교
- blastn: 염기서열간의 비교
- blastx: 입력한 염기서열을 6개의 frame으로 변환후 단백질서열 DB와 비교
- tblastn: 입력한 단백질 서열을 염기서열 DB를 6 frame으로 변환 후 비교
- tblastx: 입력한 염기서열 과 염기서열 DB를 모두 6 frame으로 변환 후 비교
(2) database
- nr: All non-redundant GenBank CDS translations+PDB+SwissProt+PIR
- month: All new or revised GenBank CDS translation+PDB+SwissProt+PIR released in the last 30 days
- swissprot: the last major release of the SWISS-PROT protein sequence database (no updates)
- yeast : Yeast (Saccharomyces cerevisiae) protein sequences
- E. coli : E. coli genomic CDS translations
- pdb: Sequences derived from the 3-dimensional structure Brookhaven Protein Data Bank
- kabat [kabatpro]: Kabat's database of sequences of immunological interest
- alu: Translations of select Alu repeats from REPBASE, suitable for masking Alu repeats from query sequences.
(3) 그외의 옵션들
- Expect: BLAST에서 결과의 통계적 의미를 나타내는 값으로 Expect 값이 작으면 작을수록 결과에서 나온 서열이 입력한 서열과 더
유사함을 나타냄. 기본값은 10이며 이는 expect 값이 10보다 큰 서열은 결과로 출력하지 않는다는 것을 의미함. 실제 결과의 출력은
high-scoring segment pairs (HSPs)의 순서대로 출력되지만 HSP 값에는 서열의 길이에 대한 보정이 되어있지 않으므로 통계학적 의미 없음.
- CUTOFF: HSP의 cutoff 값. 기본값은 위의 expect value로부터 계산이 되지만(default) 사용자가 임으로 cutoff 값을 정해 줄 수 있음.
높은 cutoff 값을 임의로 주면 유사성이 높은 서열들만 표시됨.
- Matrix: 서열 비교시 사용되는 scoring matrix를 정하는 옵션. 이것은 서열 상호간의 치환 확률을 결정하는 값이므로
결과에 중요한 영향을 미칩니다. 기본값은 BLOSUM62.
- Strand: 서열의 검색 방향을 결정.
- Filter: BLAST는 gap을 허용하지 않는 범위에서 작은 부분 검색을 수행하므로 repeat sequence나 proline-rich sequence같이
생물학적으로 의미는 없으나 부분에서 높은 유사성을 가지고 있는 서열들을 제거하지 못함. 그래서 Filter 옵션에 의해 통계적으로는
중요한 값을 가지지만 생물학 적으로는 의미가 없는 서열들을 제거함.
-Low compositional complexity를 가진 서열들은 Wootton과 Federhen에 의해 개발된 SEG program
-internal repeat들은 Claverie와 States에 의해 개발된 XNU program
-BLASTN의 경우에는 Tatusov와 Lipman에 의해 개발된 DUST가 이용됨.
입력한 서열중 일부가 low complexity sequence로 인식이 되면 blast는 염기의 경우 "N"으로 단백질의 경우 "X"로 표시됨.
그래서 실제 입력을 정확히 했음에도 불구하고 결과와 함께 출력되는 입력 서열에는 "NNNNNNN"혹은 "XXXXXXX"가 포함되어
있는 것을 가끔 볼 수 있음. 기본값은 filtering을 하는 program들을 이용하게 되어있고 사용자가 원하는 경우 filter를
쓰지 않을 수 있고 Filter의 기능은 오직 입력한 서열에 한해서만 적용됨.
- Histogram: 결과에서 histogram을 보여주는 옵션.
- NCBI-gi: 결과의 출력에서 accession number 와 locus name뿐 아니라 gi identifier에 관한 정보도 같이 출력.
- Description: 몇 개의 서열들에 대한 정보를 결과에서 보여 줄 것인가를 결정. 기본값 100.
- Alignment: 출력에서 HSP가 어느정도 이상일 때만 alignment를 수행하라는 옵션. 기본값 100.
2. BLAST 2.0
BLAST 2.0은 기존의 blast에 gap을 도입하는 기능이 추가되었습니다. 일반적으로 blast 검색을 수행하면 결과가 끊어진 몇 개의 조각들로 출력이 되는데, blast 2.0에서는 gap을 도입하여 FASTA와 같이 insertion과 deletion을 도입하여 상동성이 있는 조각들을 연결하여 결과를 보여줍니다. 그이외의 옵션은 기본적인 blast의 옵션과 동일하고 다른 부분은 다음과 같습니다.
Graphical Overview: 결과에서 입력한 서열과 유사한 부분을 그림으로 표시해 주는 옵션입니다.
Query Genetic Codes (blastx only): blastx에서 translation을 할 때 어떤 genetic code를 사용하는 가를 선택할 수 있는 옵션입니다.
3. PSI-BLAST
또한 NCBI에서는 PSI (Position-Specific Iterated) BLAST를 최근 개발하여 서비스 하고 있습니다. PSI-BLAST는 일반 BLAST의 기능에 motif이나 profile의 비교 기능을 추가한 프로그램입니다. 즉 PSI-BLAST는 기본적인 BLAST검색을 수행한 후 그 결과를 이용하여 multiple alignment를 수행합니다. Multiple alignment를 통해 position-specific score matrix를 제작하고 이 matrix를 이용하여 다시 BLAST 검색을 수행합니다. 즉 일반 검색과 motif, profile검색을 동시에 수행하게 되는 것입니다. 진화적으로 멀리 떨어져 있는 homolog 서열을 찾는데 유리하게 사용될 수 있습니다.
|