1）blast產生背景
雙序列比對可以采用是基於動態規划算法的Needleman-Wunsch（NW）和Smith-Waterman algorithm（SW）算法，雖然精度高，但計算消耗大。當與數據庫比對的時候，該算法就顯得不切實際。因此TASTA，blast采用啟發式算法使得通過大幅度丟失靈敏度來減少運行時間。與FASTA軟件相比，blast通過把搜索限制在狹隘的矩陣對角線條帶上，來改進FASTA進行數據庫搜索的速度。
2）blast的大致原理
blast 程序首先查詢query序列的所有子序列，儲存在哈希表中。收索數據庫中所有與子序列精確匹配的序列，作為種子，向兩個方向繼續延伸每個精確匹配。期間不允許有空位和錯配的情況。然后在限制性區域內；連接延伸的匹配序列，期間允許空位和錯配，比對分值要大於設定的閾值。閾值越大，需要匹配的計算越小，軟件計算速度越快。僅僅對對延伸匹配進行連接的區域(限制性區域)，而不是整個矩陣，是blast 相對於其他算法速度提高的關鍵，是以犧牲對角線帶以外的任何匹配信息為代價，因此並不能確保query序列與數據庫比對結果是最優的比對結果。
3）blast的格式解讀
blast 輸出格式：有18個格式，其中常用的outfmt 6
其中，格式6、格式7、格式10、格式17的輸出條目是可以修改的。輸出格式選擇 6 （--outfmt 6） ，默認輸出為：qseqid sseqid pident length mismatch gapopen qstart qend sstart send evalue bitscore 。
這12列對應的信息分別是：
Query id：查詢序列ID標識
Subject id：比對上的目標序列ID標識
% identity：序列比對的一致性百分比
alignment length：符合比對的比對區域的長度
mismatches：比對區域的錯配數
gap openings：比對區域的gap數目
q. start：比對區域在查詢序列(Query id)上的起始位點
q. end：比對區域在查詢序列(Query id)上的終止位點
s. start：比對區域在目標序列(Subject id)上的起始位點
s. end：比對區域在目標序列(Subject id)上的終止位點
e-value：比對結果的期望值，將比對序列隨機打亂重新組合，和數據庫進行比對，如果功能越保守，則該值越低；該E值越高說明比對的高得分值是由GC區域，重復序列導致的。對於判斷同源性是非常有意義的幾個參數。
bit score：比對結果的bit score值
如果想要獲取比對物種信息 taxid ，則需要在建立索引時添加物種分類信息，同時比對時自定義添加一些輸出信息，詳細說明參見軟件手冊，示例如下：
# 建立索引 diamond makedb --in nr.gz --db nr --taxonmap prot.accession2taxid.gz --taxonnodes Taxonomy/nodes.dmp --taxonnames Taxonomy/names.dmp ## 蛋白序列比對 NR 全庫 diamond blastp --db nr --out test_pep_vs_nr.out --outfmt 6 qseqid qlen sseqid slen pident length mismatch gapopen qstart qend sstart send evalue bitscore staxids sscinames salltitles --query test_pep.fa --max-target-seqs 1 --evalue 1e-5 --max-hsps 1 --threads 45 --block-size 20 --index-chunks 1 --tmpdir tmp --more-sensitive
5）參考資源
https://en.wikipedia.org/wiki/BLAST#Output
第二代測序信息處理