生物信息百Jia软件（八）：blat

编者按
blat也是学习生物信息需要掌握的一款工具。blat与blast其实是不同的，虽然都是局部比对工具，但是blat实现了“多对一”的比对，也就是能将不同的外显子定位到同一个基因上。我喜欢blat可以输出多种比对格式结果的模式，默认是psl，但其实可以输出blast同样格式的结果，还有比较容易阅读的axt格式结果。需要注意的是，blat的其实比对坐标与blast不同。

一、功能分类：

局部比对

二、软件官网：

http://hgwdev.cse.ucsc.edu/~kent/exe/linux/

三、软件介绍:

Blat的全称是The BLAST-Like Alignment Tool，可以称为"类BLAST 比对工具"，由W.James Kent于2002年开发。当时随着人类基因组计划的进展，把大量基因和ESTs 快速定位到较大的基因组上成为一种迫切的需求。
blast 对于这种比对需求有几个缺陷：
1、速度偏慢；
2、结果难于处理；
3、无发表示出包含内含子的基因定位。
Blat比对软件 就是在这种形势下应运而生了。
另外，相对于blast，blat使用简单，速度更快，而且不需要建库过程，可以输出多种比对格式的比对结果。
blat特别适合将基因、cds重新定位到染色体上，这个在转录组分析中非常有用。在真核生物中，mRNA在加工成熟过程中需要切出内含子，转录本也存在可变剪切，也就是假设一个基因有1234四个外显子，那么最终得到的cds可能是123，也可能是124，这是如果在将测序出来的转录本定位到基因组上，124三个外显子需要分别定位到三个位子，如果是blast就会断成3个比对，而blat却会识别出这是一个比对，存在多个gap，很好了解决了转录本定位到基因组上的问题。

四、下载安装：

unzip blatSuite.36.zip

五、软件使用：

blat的有很多参数。但是大部分默认即可。blat可进行核酸水平的比对，也可以进行氨基酸水平的比对，同时也支持核酸翻译到氨基酸水平的比对。
Blat 的输入文件必须满足fasta 格式，运行时非常简单，不需要进行建库就可以直接比对。
敲blat，然后接目标序列 ，query序列，然后是输出文件名，但是顺序不能写错了。这样就可以开始比对了。
程序正常运行时，会在读完database 中的所有subject 序列时在屏幕输出database的统计结果。

blat的一些重要选项参数。
-noHead 不输出表头信息，这个在进行下一步软件处理时比较方便，如果对格式很熟悉，不输出以可以；
-out 选择输出格式。可以选择lastz的axt格式，maf格式，wublast格式和blast m0 m8和m9格式。
-t

和-q和-prot参数指定比对的类型。blat也可以进行氨基酸比对和核酸在氨基酸水平比对。blast是通过-p指定比对类型，而blat则是通过分别指定query和subject的格式来解决这个问题。-t可以等于dna和prot蛋白质和dnax，-q可以等于dna，rna，prot，dnax和rnax等，如果需要核酸序列文件在氨基酸水平比对，那-t和-q都应该等于dnax，
氨基酸比对时间要慢一些。-prot指定二者都是氨基酸序列。
剩余很多参数都是用来限制比对条件的，例如是否处理N碱基Gap，重复序列，PolyA、比对字长、identity，比分等，可以根据具体比对进行调节。

六、使用案例：

blat ref.fna query.fna  blat.out
blat genome.fna gene.ffn -out=axt blat.out

七、结果解析：

程序默认输出为psl格式的列表结果文件。
Psl
格式的结果包含了详细的比对位置信息，每一列的意义都 在文件开头列出。第1~8列是总体的比对统计，包括精确比对碱基数、错配、query
和subject上的gap个数总长等等；第9～17 列是比对位置信息，包括比对方向、query 和subject
的名字、长度、比对起止位置；18～21 列是显示每一个精确比对的block 的信息，包括blocks
数、每个block的长度和在query、subject上的位置。
对于psl输出结果，需要注意几点。

1、blat 的结果在subject 上允许存在很大的gap（intron 区域），所以同一个结果在query和subjects 上覆盖的区域可能会相差很多，这一点与blast 不同。

2、在基因对基因组的
比对中，block 的个数不能等同于exon 的个数。因为blat 对block的定义是一个没有插入缺失的比对，任何
插入或者缺失的碱基都会使一个block 终止，所以一个exon 很可能是由很多blocks 构成的。因此exon 和intron 的个数
要通过足够大的gap 来判断。

3、psl 结果里面碱基位置的计算是从0 开始的而不是1。