BLAST软件输出结果的整理与后加工

BLAST（Basic Local Alignment Search Tool）是一款由 NCBI（美国国家生物技术信息中心）提供的生物信息学工具，用于比较基因或蛋白质序列。以下是如何在表格中完成，添加表头、过滤identity值、保留唯一匹配等，以outfmt 6默认输出结果为例。

1.添加表头

#创建一个包含指定字段的表头文件header.txt

echo -e "Query_ID\tRefer_ID\tIdentity(%)\tAlignment_Length\tMismatches\tGap_Openings\tQ_Start\tQ_End\tS_Start\tS_End\tE-value\tBit_Score" > header.tsv

#将该表头文件与原始的blast比对结果文件data/blastn_nucl_result.tsv合并

cat header.tsv data/blastn_nucl_result.tsv > data/blastn_nucl_result_with_header.tsv

2.过滤identity值

awk -F '\t' '$3 >= 70' data/blastn_nucl_result_with_header.tsv > data/filtered_blastn_nucl_result_with_header.tsv

在这个命令中：

-F '\t'：指定字段分隔符为制表符，因为outfmt 6格式的blast结果是以制表符分隔的。

'$3 >= 70'：表示筛选第三列（identity (%)列）值大于等于70%的行。

blastn_nucl_result_with_header.tsv：是输入的blast比对结果文件。

> data/filtered_blastn_nucl_result_with_header.tsv：将筛选后的结果输出到当前目录下data文件夹中的filtered_blastn_nucl_result_with_header.tsv文件中。

3.根据Query ID来保留唯一匹配项

awk '!seen[$1]++' data/blastn_nucl_result_with_header.tsv > data/unique_blastn_nucl_result_with_header.tsv

在这个命令中：

!seen[$1]++：表示对第一列（假设为Query ID列）进行去重操作，保留每个Query ID第一次出现的行，即保留唯一匹配项。

blastn_nucl_result_with_header.tsv：是输入的blast比对结果文件。

> data/unique_blastn_nucl_result_with_header.tsv：将去重后的结果输出到当前目录下data文件夹中的unique_blastn_nucl_result_with_header.tsv文件中。

推荐课程

【课程】个人电脑上如何通过BLAST软件做比较基因组学分析