Entendendo o Blast (parte III) O Blast por linha de comando by Giuli Marques omixdata Medium PDF

Preview

Summary

Tutorial de como instalar e utilizar o BLAST por linha de comando...

Description

10/09/2021 18:21

Entendendo o BLAST (parte III): O BLAST por linha de comando | by Giuli Marques | omixdata | Medium

Entendendo o BLAST (parte III): O BLAST por linha de comando Giuli Marques

Follow

May 12 · 5 min read

Olá pessoal! Hoje seguimos com a série de posts sobre o BLAST. Na parte I foram apresentados os tipos de BLAST e como são realizadas as análises pelo algoritmo. Já na parte II, apresentamos como utilizar o web BLAST para realizar análises e como interpretar os resultados. Neste post, trago um tutorial de como instalar e utilizar o BLAST por linha de comando.

Por que utilizar o BLAST por linha de comando? O NCBI disponibiliza um pacote com ferramentas do BLAST, chamado de BLAST+, para que se possa utilizar essas ferramentas sem a necessidade de utilizar o servidor online. Isto é útil caso o pesquisador possua um volume muito grande de dados ou ainda tenha dados próprios, que ainda não estão disponibilizados para a comunidade ou que não podem ser. A utilização do BLAST por linha de comando ainda pode ser preferencial no caso de desenvolvedores de softwares ou para utilização de pipelines. Dentro do pacote disponibilizado pelo NCBI são encontradas a maioria das funcionalidades disponíveis através da plataforma online, preservando uma utilização similar.

Pacote NCBI/BLAST+ São listados abaixo algumas das principais ferramentas disponíveis no pacote NCBI/BLAST+. Para mais informações sobre as ferramentas, clique aqui. makeblastdb: Responsável por criar os bancos de dados para o BLAST com as sequências enviadas. É necessário para realização dos alinhamentos, caso não sejam utilizados os bancos de dados disponibilizados no site do NCBI.

https://medium.com/omixdata/entendendo-o-blast-parte-iii-o-blast-por-linha-de-comando-af2659cc127a

1/6

10/09/2021 18:21

Entendendo o BLAST (parte III): O BLAST por linha de comando | by Giuli Marques | omixdata | Medium

blastn: Realiza alinhamento entre sequências de nucleotídeos. O banco de dados deve conter sequências de nucleotídeos, assim como a sequência query. blastp: Realiza alinhamento entre sequências de proteínas. O banco de dados deve conter sequências de proteínas, assim como a sequência query. blastx: Realiza o alinhamento de sequências de nucleotídeos contra sequências de proteínas, ou seja, o banco de dados possui sequências proteicas e a query é uma sequência de nucleotídeos. Para isso, a sequência de nucleotídeos é traduzida, simultaneamente, nos 6 frames de leitura. tblastn: Realiza o alinhamento entre uma sequência proteica contra um banco de dados traduzido. O banco de dados, originalmente de nucleotídeos, é traduzido dinamicamente utilizando os 6 frames de leitura. tblastx: Realiza o alinhamento entre uma sequência de nucleotídeos traduzida contra um banco de dados de nucleotídeos, também dinamicamente traduzida. Tanto a sequência query, quanto o banco de dados é traduzido nos 6 frames de leitura.

Como instalar o pacote NCBI/BLAST+ Existem diferentes maneiras de realizar a instalação do BLAST. Vou abordar algumas das mais corriqueiras, para mais informações você pode acessar o manual disponível no site do NCBI. Para realizar a instalação do pacote, em sistemas linux, deve-se utilizar o seguinte comando: $sudo apt-get install ncbi-blast+

Caso você tenha realizado a instalação do BLAST através de alguma outra ferramenta, você pode utilizar os comandos a seguir para baixar a versão atualizada do pacote:

$wget https://ftp.ncbi.nlm.nih.gov/blast/executables/blast+/LATEST/ncbiblast-2.11.0+-x64-linux.tar.gz $tar -xvf ncbi-blast-2.11.0+-x64-linux.tar.gz

É possível que você tenha que modificar a localização dos arquivos do BLAST para que seja possível a execução dos comandos pela ferramenta. Estas informações geralmente https://medium.com/omixdata/entendendo-o-blast-parte-iii-o-blast-por-linha-de-comando-af2659cc127a

2/6

10/09/2021 18:21

Entendendo o BLAST (parte III): O BLAST por linha de comando | by Giuli Marques | omixdata | Medium

estão contidas no arquivo README.md que vem junto com a ferramenta.

Criando o banco de dados Para utilização do BLAST pela linha de comando é necessário criar o banco de dados que será utilizado para o alinhamento. Existem alguns bancos de dados disponíveis no NCBI, mas também é possível criar o seu próprio banco de dados. Para criar o seu banco de dados, é necessário utilizar os seguintes comandos:

$cat *.fasta > data_base.fasta $makeblastdb -dbtype prot -in data_base.fasta -out db

O comando cat une todos arquivos com formato FASTA disponíveis naquele diretório em um arquivo único, neste caso o arquivo “data_base.fasta”. O comando makeblastdb é utilizado para criar o banco de dados. É passado o arquivo gerado com o comando cat, que possui todas sequências que serão utilizadas para criação do banco de dados em um único arquivo, e é retornado o banco de dados no formato utilizado pelo NCBI. Esta etapa é crucial, pois ela prepara os arquivos para que sejam utilizados no alinhamento.

Realizando o alinhamento Para realizar o alinhamento através do BLASTp é utilizado o comando: $blastp -query genoma.faa -db db -out resultados_genome.txt

Neste caso, estamos utilizando o BLASTp, já que temos dados de proteínas. É informada uma query que, como no web BLAST, é a sequência que será comparada com o banco de dados. São informados, ainda, o banco de dados a ser utilizado, neste caso o banco de dados criado com os arquivos FASTA anteriormente, e um nome para o arquivo de saída.

Executando a análise O Notebook do Google Colab com os códigos de exemplo está disponível abaixo. O download de todos arquivos utilizados é realizado através deste link.

Open in Colab

(https://colab.research.google.com/gist/giulimarques/9026b2a9b976a81940c8e16a23a494be/blast_linha_d https://medium.com/omixdata/entendendo-o-blast-parte-iii-o-blast-por-linha-de-comando-af2659cc127a

3/6

10/09/2021 18:21

Entendendo o BLAST (parte III): O BLAST por linha de comando | by Giuli Marques | omixdata | Medium

BLAST por linha de comando Download do pacote NCBI/BLAST+ In [ ]: !sudo apt-get install ncbi-blast+ Reading package lists... Done Building dependency tree Reading state information... Done The following package was automatically installed and is no longer required: libnvidia-common-460 Use 'sudo apt autoremove' to remove it. The following additional packages will be installed: ncbi-data The following NEW packages will be installed: ncbi-blast+ ncbi-data 0 upgraded, 2 newly installed, 0 to remove and 34 not upgraded. Need to get 13.1 MB of archives. Aft thi ti 66 7 MB f dditi l di k ill b blast_linha_de_comando.ipynb hosted with ❤ by GitHub

view raw

Interpretando os resultados Como resultado da análise, foi retornado um arquivo de texto. Assim como demonstrado no web BLAST, são observados: Score, E-value, Identities e gaps. No arquivo de resultado, são observadas quatro regiões distintas. A primeira região traz as informações de versão e referências da ferramenta utilizada.

Na segunda região é possível observar a sequência query utilizada e os melhores alinhamentos. Aqui são mostrados os valores de score e E-value para cada um deles. O score, aqui representado em bits, é a quantificação do alinhamento. Quanto maior o https://medium.com/omixdata/entendendo-o-blast-parte-iii-o-blast-por-linha-de-comando-af2659cc127a

4/6

10/09/2021 18:21

Entendendo o BLAST (parte III): O BLAST por linha de comando | by Giuli Marques | omixdata | Medium

score, mais similar às sequências do banco de dados a query é. Já o E-value demonstra a possibilidade do alinhamento ter sido realizado ao acaso. Quanto mais próximo ao zero o valor for, mais confiabilidade pode se ter no alinhamento.

Na terceira região são observados os detalhes dos alinhamentos realizados pelo programa. Nesta área são mostrados os resultados de score, E-value (Expect), identities e gaps. Identities diz respeito ao número de matches do alinhamento, que é quando as sequências possuem o mesmo nucleotídeo ou um mesmo resíduo na mesma localização. E gaps são espaços adicionados pelo algoritmo por não haver similaridade naquela região. Quanto maior o número de gaps adicionados, menor será o score daquele alinhamento.

https://medium.com/omixdata/entendendo-o-blast-parte-iii-o-blast-por-linha-de-comando-af2659cc127a

5/6

10/09/2021 18:21

Entendendo o BLAST (parte III): O BLAST por linha de comando | by Giuli Marques | omixdata | Medium

Como última região do documento, é possível observar a matriz utilizada, neste caso a BLOSUM62, e os valores utilizados pelo algoritmo para a adição e/ou extensão de gaps.

Vimos neste post como realizar uma análise do BLAST por linha de comando e como interpretar seus resultados. Assim como comentado no post anterior, existem diferentes maneiras de rodar o BLAST e os parâmetros variam com o tipo de análise. Neste tutorial foi demonstrado como realizar uma análise com o BLASTp pela linha de comando, por exemplo. Gostaria de agradecer à Amanda Munari Guimarães, escritora aqui do omixdata também, pelo auxílio com o código e com as sequências disponibilizadas neste tutorial. Gostou do post? Já realizou análises do BLAST por linha de comando ou gostaria de sugerir algum assunto? Deixa nos comentários!

Bioinformatics

Biotechnology

Genomics

Protein

https://medium.com/omixdata/entendendo-o-blast-parte-iii-o-blast-por-linha-de-comando-af2659cc127a

6/6...