Instalando ferramentas de alinhamento local

Edição de 11h45min de 31 de agosto de 2011

Intro

BLAST

Nesta página estão o links para download de todos os programas/arquivos citados abaixo.

Siga o passo-a-passo fornecido pelo NCBI

1. Faça o download da versão mais recente para windows;
2. Descompactar em um caminho curto (C:\blast);
3. Propriedades do Meu Computador>Configurações Avançadas>Avançado> Variáveis Ambientais;
4. Adicionar ‘C:\Blast\bin’ a variável ‘Path’ (caso o instalador não tenha feito isso);
5. 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 sequencias 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:

1. Faça o download da versão mais recente para windows;
2. Descompacte em um caminho curto (como 'C:\blast\rdp_classifier\);

Para instalar o RDP multiclassifier localmente:

1. Faça o download da versão mais recente para windows;
2. 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

Nota: aparentemente não é necessário reformatar as sequências no Notepad++ (estas podem ser utilizadas como vêm do NCBI)

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