BLAST入門教學：序列比對與同源搜索完整指南
你是否從定序結果裡拿到一段神秘的DNA或蛋白序列，心裡嘀咕：「這是什麼基因？哪種生物有它？別的物種裡有同源基因嗎？」答案幾乎總是從一個傳奇工具開始：BLAST（Basic Local Alignment Search Tool）。由NCBI自1990年開發至今，BLAST是生物資訊學世界的「Google」——幾乎每位分子生物學家在進入進階分析前都會先打開它。但很多初學者卡住：在blastn/blastp/blastx之間分不清、E-value讀錯、或被海量hit淹沒不知哪些相關。本文從零基礎揭開它的所有秘密。如果你手上正有一個大規模定序專案需要專業的BLAST解讀，Corvexum團隊隨時為你代勞。
BLAST是什麼？為什麼必須掌握？
BLAST是一種把你的query序列與公共序列資料庫做比對的演算法。輸出回答這些基礎問題：
- 身份：「這段序列最像哪個基因？」
- 同源性：「其他物種裡有相關基因（ortholog/paralog）嗎？」
- 功能：「根據它的同源物，這個基因很可能有什麼功能？」
- 分類：「哪個生物在演化上最接近？」
現代每一篇基因組、轉錄組或宏基因組文章幾乎都在方法部分提到BLAST。
五種BLAST變體：何時用哪一種
| 變體 | Query | 資料庫 | 用例 |
|---|---|---|---|
| blastn | 核苷酸 | 核苷酸 | 物種鑑定、引物檢查 |
| blastp | 蛋白 | 蛋白 | 蛋白功能註釋 |
| blastx | 核苷酸（轉譯） | 蛋白 | EST/cDNA → 蛋白，找ORF |
| tblastn | 蛋白 | 核苷酸（轉譯） | 在草圖基因組中找新基因 |
| tblastx | 核苷酸（6框） | 核苷酸（6框） | 跨物種EST比較 |
最常見的初學者錯誤：對蛋白query用blastn，或對原始DNA用blastp——結果要麼零命中，要麼誤導。選變體前一定先確認序列類型。
第一步：存取BLAST
兩種主要方式：
- NCBI網頁（blast.ncbi.nlm.nih.gov）：單條query最簡單。按上表選擇程式。
- 命令列 BLAST+：批次處理數千條序列。透過
sudo apt install ncbi-blast+（Linux）或 conda 安裝。NGS流程或基因組尺度分析必備。
初學者建議從NCBI網頁開始——介面友善，所有關鍵參數都清晰可見。
第二步：提交query並選擇資料庫
用FASTA格式貼上序列（>header 後接序列行）。多條query用批次上傳。關鍵資料庫選項：
- nr/nt：最完整的非冗餘庫（預設，但大query較慢）
- refseq：更經篩選，適合精準註釋
- swissprot：手工註釋蛋白，功能註釋的金標準
- Organism-specific：如果只關注某物種（如「Homo sapiens」）
專業提示：先用refseq或swissprot得到可解釋的結果，需要廣覆蓋時再用nr。
第三步：必須理解的關鍵參數
- E-value（期望值）：隨機預期出現的hit數。1e-5或更小通常被認為具有生物學意義。E-value 0.05 = 大概率假陽性。
- Bit score：正規化比對分數；越高越好，不依賴資料庫大小。
- 序列一致性（Percent identity）：鹼基/胺基酸完全相同的百分比。對遠緣同源物，蛋白30% identity就有意義了（「twilight zone」）。
- Query coverage：query被比對到的百分比。低coverage + 高identity往往只是共享結構域，不是完整同源物。
- Word size：初始匹配的種子長度。小 = 敏感但慢，大 = 快但可能漏掉遠緣同源物。
- 打分矩陣：BLOSUM62（預設、通用）、PAM、BLOSUM45（遠緣）、BLOSUM80（近緣）。
第四步：正確解讀結果
NCBI BLAST結果頁展示：
- Graphic Summary：hit在query上的視覺化——看比對是分佈均勻還是集中在某個結構域。
- Description Table：所有hit的E-value、score、identity、coverage列表，按最小E-value排序。
- Alignments：每個hit的比對細節——檢查mismatch、gap、功能區的保守性。
- Taxonomy Report：hit來自的生物分佈——用於識別污染或序列來源。
警示信號：E-value不錯但coverage <20%的hit通常只是共享結構域，不是完整同源物。identity和coverage一定要同時報告。
第五步：BLAST之後的下一步
BLAST只是入口，下一步通常包括：
- 提取top hits → 多序列比對（MUSCLE/MAFFT） → 演化樹
- 映射到結構域資料庫（Pfam、InterPro）做功能註釋
- 雙向BLAST確認ortholog（best reciprocal hit）
- PSI-BLAST透過譜系搜索找遠緣同源物
❓ 常見問題
Q：BLAST免費嗎？
A：100%免費，網頁和命令列都免費。NCBI把它作為公共服務提供。
Q：為什麼我的E-value是0？
A：意味著E-value極小（低於1e-180），不是真正的0。這個hit高度顯著。
Q：BLAST要跑多久？
A：單條網頁query 10-60秒。數千條批次：幾小時到幾天——用命令列BLAST+並開啟多執行緒。
🚀 被成千上萬的BLAST hit淹沒？
跑BLAST容易，但正確解讀數千個hit是一門獨立的藝術。E-value讀錯、打分矩陣選錯、paralog與ortholog搞混，都可能讓你的生物學結論翻車——而Q1期刊審稿人會立刻追問。Corvexum替你扛起生物資訊學負擔：
- ✅ 用BLAST+批次跑數千條序列，參數完整記錄
- ✅ 結果解讀：ortholog vs paralog、結構域分析、best reciprocal hit
- ✅ 與InterPro/Pfam整合做功能註釋
- ✅ 結果視覺化 + 可直接用於結果章節或論文的文字敘述
- ✅ 進階分析策略諮詢（系統發育、路徑等）
備用信箱：corvexum@gmail.com
Tinggalkan Balasan