Instalando ferramentas de alinhamento local
Intro
Tabela de conteúdo |
BLAST
Nesta página estão o links para download de todos os programas/arquivos citados abaixo.
Siga o passo-a-passo fornecido pelo NCBI
- Faça o download da versão mais recente para windows;
- Descompactar em um caminho curto (C:\blast);
- Propriedades do Meu Computador>Configurações Avançadas>Avançado> Variáveis Ambientais;
- Adicionar ‘C:\Blast\bin’ a variável ‘Path’ (caso o instalador não tenha feito isso);
- Caso deseje usar o blast legacy, criar um arquivo chamado ncbi.ini em "C:\windows" com o seguinte conteúdo:
; Start the section for BLAST configuration [BLAST] ; Specifies the path where BLAST databases are installed BLASTDB=C:\\blast\\db ; Specifies the data sources to use for automatic resolution ; for sequence identifiers DATA_LOADERS=none ; Specifies the BLAST database to use resolve protein sequences BLASTDB_PROT_DATA_LOADER=nr ; Specifies the BLAST database to use resolve protein sequences BLASTDB_NUCL_DATA_LOADER=nt ; Windowmasker settings (experimental) [WINDOW_MASKER] WINDOW_MASKER_PATH=C:\\blast\\db\\windowmasker ; end of file
Segundo o manual do Blast legacy (com ele é possível utilizar os comandos BLAST originais/linux):
Setup steps for legacy blast:
#The original standalone BLAST package based on NCBI C-toolkit (legacy blast) is deprecated. The installation of
legacy blast package for Windows differs from that for blast+ described above.
#The legacy blast packages are located under a different ftp directory: :ftp://ftp.ncbi.nlm.nih.gov/blast/executables/release/LATEST/ #The packages are named with this convention: blast-#.#.#-CHIP-win#.exe, where #.#.# is the version, CHIP is the chipset, and win# is the operating system (32 or 64 bits) #The packages do not contain installer function. It is recommended that the downloaded package be placed in a folder named blast-#.#.# (#.#.# to indicate version) first before extraction #Double clicking the package will execute the self-exacting function to install the package by re-creating bin, doc
and data subdirectories
#Configuring the legacy blast installation is similar to blast+. However, a additional DATA environment variable
with the path to the "data" subdirectory as its value should be specified
Testando Blast
Se a instalação deu-se corretamente, então basta abrir um console e digitar:
blastp -help (para testar a versão windows) blastall (para testar a versão legacy)
O próximo passo é fazer o download dos banco de dados (preformatados) de interesse (NT para nucleotídeos, NR para proteínas, WGS para genomas completos..) e descompactá-los (todos os arquivos) dentro da pasta 'db' do diretório de instalação do BLAST.
Navegar até a pasta onde estão as sequências-alvo; então:
blastn -db db\nr -query mydata\A07.fasta -out mydata\A07blastout.txt blastall -p blastp -d db\nr -i mydata\1.fasta -o mydata\1blastout.txt
Caso tenha alguma dúvida sobre a funcionalidade de um programa BLAST+ tente:
blastx -h blastx -help
Para o blast legacy, basta executar o programa sem nenhum parâmetro especificado:
blastall
OBS: Para realizar qualquer alinhamento são necessárias todas as partes do banco de dados em questão; NR + NT equivalem a ~11gb atualmente (07.2011).
- Ex.: arquivos 0 a 6 do banco de dados NR:
nr.00.tar.gz, nr.01.tar.gz […] nr.06.tar.gz
Outra possibilidade é a criação de um banco de dados apenas com sequências de interesse a partir de um arquivo fasta (ver abaixo).
Para a lista completa de comandos do blastall, consulte o NCBI!
Criando um banco de dados
Como parte do BLAST+ o programa makeblastdb.exe é responsável pela formatação de arquivos fasta no formato de banco de dados legível pelos programas BLAST:
makeblastdb.exe -help [-title database_title][-parse_seqids] [-hash_index][-mask_data mask_data_files][-out database_name] [-max_file_sz number_of_bytes][-taxid TaxID][-taxid_map TaxIDMapFile][-logfile File_Name][-version] To make a blast database: makeblastdb.exe -in some_fasta.fa -dbtype nucl -title some_name -out database
Bancos de dados BLAST do NCBI
Abaixo segue trechos do texto original sobre as DBs (databases) do NCBI:
Atualizando e mantendo DBs NCBI BLAST
DESCREVER updater_pl e dependencias perl
RDP Classifier
Para instalar o RDP Classifier localmente:
- Faça o download da versão mais recente para windows;
- Descompacte em um caminho curto (como 'C:\blast\rdp_classifier\);
Para instalar o RDP multiclassifier localmente:
- Faça o download da versão mais recente para windows;
- Descompacte em um caminho curto (como 'C:\blast\rdp_multiclassifier\);
Classificar sequências:
Abra uma janela do console e execute:
java -Xmx1g -jar rdp_classifier-2.3.jar -q mydata/1.fasta -o mydata/1out.txt -f fixrank
Conforme a entrada do manual do classifier referente ao formato dos arquivos de saída:
The command line parameters offers three different formats (all tab delimited) based on users' requests: allrank: outputs the results for all ranks applied for each sequence: seqname, orientation, taxon name, rank, confidence fixrank: only outputs the results for fixed ranks in order: no rank, domain, phylum, class, order, family, genus db: outputs the seqname, trainset_no, tax_id, confidence. This is good for storing in a database
Exemplo de classificação:
Input >gi|295388554|gb|HM003925.1| Uncultured bacterium clone 2pse 16S ribosomal RNA gene, partial sequence GCAACGCGAAGAACCTTACCAGGCCTTGACATGCAGAGAACTTTCCAGAGATGGATTGGTGCCTTCGGGAACTCTGACACAGGTGCTGCATGGCTGTCGTCAGCTCGTGTCGTGAGATGTTGGGTTAAGTCCCGTAACGAGCGCAACCCTTGTCCTTAGTTACCAGCACGTTATGGTGGGCACTCTAAGGAGACTGCCGGTGACAAACCGGAGGAAGGTGGGGATGACGTCAAGTCATCATGGCCCTTACGGCCTGGGCTACACACGTGCTACAATGGTCGGTACAGAGGGTTGCCAAGCCGCGAGGTGGAGCTAATCTCACAAAACCGATCGTAGTCCGGATCGCAGTCTGCAACTCGACTGCGTGAAGTCGGAATCGCTAGTAATCGCGAATCAGAATGTCGCGGTGAATACGTTCCCGGGCCTGTACACACCG Output gi|295388554|gb|HM003925.1| Bacteria domain 1.0 "Proteobacteria" phylum 1.0 Gammaproteobacteria class 1.0 Pseudomonadales order 1.0 Pseudomonadaceae family 1.0 Pseudomonas genus 1.0