比對軟件Blast，Blast+，Diamond比較

1. Blast

• （1）格式化數據庫
  formatdb -i db.seq -p T -o T -l logfile
  主要參數：
  -i 輸入需要格式化的源數據庫名稱
  -p 文件類型，是核苷酸序列數據庫（F - nucleotide）/蛋白質序列數據庫（T – protein），default = T
  -a 輸入數據庫的格式是否為ASN.1/FASTA [T/F]，default = F
  -o 解析選項：解析序列標識並且建立目錄[T/F]，default = F
  -l 自定義log文件命令default=formatdb.log，記錄運行時間、版本號、序列數目等
  -n 自定義庫文件命名
  建庫結果：
  如果建立的是核酸庫，輸出為db.seq.nhr、db.seq.nin、db.seq.nsq三個文件，若選擇了“-o  T”，還會同時輸出db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd四個文件，一共七個。
  蛋白庫和核酸庫的輸出類似，相應的輸出文件為：db.seq.nhr、db.seq.nin、db.seq.nsq和db.seq.nsd、db.seq.nsi、db.seq.nni、db.seq.nnd七個文件。
  此外還有log文件。

• （2）blastall
  `blastall -i test.fa -d test.fa -o testblast.out -p blastp -F F -m 8 -e 1e-5 -b 10 -v 10 -a 2```
  主要參數：
  以上流程中所用參數：
  -i 所用查詢序列文件
  -d 所用序列數據庫的名稱 default=nr
  -o BLAST結果的輸出文件
  -p 所用程序名稱: blastn，blastp，blastx，tblastn，tblastx
  -F 查詢序列過濾：將那些給出影響比對結果的低復雜度區域過濾掉 default = T
  -m 比對結果顯示格式 defalut=0
  -e 期望值，描述搜索某一特定數據庫時，隨機出現的匹配序列數目default = 10.0
  -b 顯示比對結果的最大數目 default=250
  -v 單行描述的最大數目 default=500
  -a 使用處理器的數目 default = 1（單機）
  其他參數：
  -G 空位gap開放罰分 default = 0
  -E 空位gap擴展罰分 default = 0
  -I 描述行顯示GI號[T/F]， default = F
  -q 核酸序列基對不匹配mismatch所罰分數（只對blastn有效）default = -3
  -r 核苷酸序列基對匹配match所加分數（只對blastn有效） default = 1
  -g 是否執行帶缺口的比對 [T/F]，default = T
  -B 需要聯配查詢的序列數目 default = 0
  -S:在數據庫中搜索時所使用的核酸鏈strand(只對blastn、blastx和tblastx有效)，1表top，2表bottom，3表both，default=3
  -T: 產生HTML格式的輸出[T/F]，default = F
  -n: 使用MegaBlast搜索[T/F]，default = F
  -r : 一個核酸鹼基的正確匹配(match)的獎分（只對blastn有效），default = 1
  -M: 所使用的打分矩陣，default = BLOSUM62

-m 比對結果格式選項:

0 = pairwise,顯示具體匹配信息（缺省）  
1 = query-anchored showing identities,查詢-比上區域，顯示一致性  
2 = query-anchored no identities,查詢-比上區域，不顯示一致性  
3 = flat query-anchored, show identities,查詢-比上區域的屏文形式，顯示一致性  
4 = flat query-anchored, no identities,查詢-比上區域的屏文形式，不顯示一致性  
5 = query-anchored no identities and blunt ends,查詢-比上區域，不顯示一致性，無突然的結束  
6 = flat query-anchored, no identities and blunt ends,查詢-比上區域的屏文形式，不顯示一致性  
7 = XML Blast output,XML格式的輸出  
8 = tabular,TAB格式的輸出  
9 =tabular with comment lines,帶注釋行的TAB格式的輸出  
10 =ASN, text,文本方式的ASN格式輸出  
11 =ASN, binary [Integer] default = 0,二進制方式的ASN格式輸出  

m8格式12列結果：

Query id, Subject id, % identity, alignment length, mismatches, gap openings, q.start, q.end, s.start, s.end, e-value, bit score
第一列為Query(遞交序列)，
第二列為數據庫序列(目標序列subejct)，
第三列為: identity
第四列為：比對長度
第五列為：錯配數
第六列為：gap數
第七列和第八列為：Query開始鹼基位置和結束鹼基位置
第九列和第十列為：Subject開始鹼基位置和結束鹼基位置
第十一列為：期望值
第十二列為：比對得分

Ref: https://blog.csdn.net/g_r_c/article/details/8477924
https://blog.csdn.net/bangemantou/article/details/7726585

2. Blast+

blast+是blast的升級，將blastn,blastx等程序與blastall命令分隔開來，對各個命令的參數定制更為方便。
blast+也是格式化數據庫和比對搜索兩步，但命令不同。

• （1）格式化數據庫
  makeblastdb -in db.fasta -dbtype prot -parse_seqids -out dbname -title dbtitle -logfile filename
  參數說明:
  -in：待格式化的序列文件
  -dbtype：數據庫類型，prot或nucl
  -parse_seqids：解析序列標識（建議加上）
  -out：數據庫名
  -title：數據庫名（略）
  -logfile：日志文件，默認輸出到屏幕
  更多參數 makeblastdb -help

• （2）blast+比對
  蛋白序列比對蛋白數據庫（blastp）
  blastp -query seq.fasta -db dbname -out seq.blast -outfmt 6 -evalue 1e-5 -num_alignments 10 -num_descriptions 10 -num_threads 2
blastx -query seq.fasta -out seq.blast -db dbname -outfmt 6 -evalue 1e-5 -num_descriptions 10 -num_threads 2
  參數說明:
  -query： 輸入文件路徑及文件名
  -out：輸出文件路徑及文件名
  -db：格式化了的數據庫路徑及數據庫名
  -outfmt：輸出文件格式，總共有12種格式，6是tabular格式，對應BLAST的m8格式
  -evalue：設置輸出結果的期望值
  -num_alignments 顯示比對數Default = 250
  -num_descriptions：單行描述的最大數目 default=500
  -num_threads：線程數
  更多參數 blastp -help

3. diamond

diamond主要4個程序：
makedb
blastp
blastx
view
過程也是建庫和 比對兩步。

-（1）建庫
diamond makedb --in nr.fa -d nr
參數說明：
--in : 參考序列（格式：fasta）
-d: 索引的前綴名

-（2）比對
diamond blastp -d nr -q reads.fa -e 1e-5 -f 6 -o out_diamond.m6 -k 10 -p 2
主要參數說明
--db/-d 輸入比對數據庫
--query/-q 比對序列
--threads/-p 線程數
--out/-o 輸出文件
--outfmt/-f 輸出文件格式，默認6（表格）
--evalue/-e 比對的最大evalue值（默認0.001)
--max-target-seqs/-k 比對到的最大序列數，默認值是25

其他參數：
--top 百分數的形式表示--max-target-seqs
--min-score 最小評分
--id 給出指定百分比的數據
--subject-cover 最小覆蓋度
--unal (0,1) 是否輸出未比對上的reads（0=no, 1=yes）
--sensitive 建議對齊較長的序列
--more-sensitive 比對准確度更高
--block-size/b，一次處理的十億鹼基的大小，主要控制內存使用，默認為2（預計使用此內存數量的大約六倍，即默認內存使用將到達12G），轉錄流程使用0.2
--salltitles 將全長標題包含在DAA格式中，默認DAA文件僅包含縮短序列ID（直到第一個空白字符）

轉錄組流程使用參數：
diamond blastx --evalue 1e-05 --threads 3 --outfmt 5 -d /ifs4/BC_PUB/biosoft/db/Pub/nr/RNA/20170924/animal.fa -q allcdnawithnovelcds.fa -o allcdnawithnovelcds.fa.blast.nr --seg no --max-target-seqs 5 --more-sensitive -b 0.2 --salltitles

Ref: https://github.com/bbuchfink/diamond/blob/master/diamond_manual.pdf

diamond輸出格式：

0 BLAST pairwise format.  
5 BLAST XML format.  
6 表格模式 (默認輸出格式).    
100 DIAMOND  
101 SAM format.  
102 Taxonomic classification.  
103 PAF format.