BLAST
来自医学百科
| BLAST Basic Local Alignment Search Tool | |
|---|---|
| 全称 | Basic Local Alignment Search Tool |
| 开发者 |
Altschul, Gish, Miller, Myers, Lipman (1990) |
| 维护机构 | NCBI |
| 核心算法 | 启发式局部比对算法 |
| 统计指标 | E-value (期望值) |
| 常见变体 | blastn, blastp, blastx |
| 对AI价值 |
基因特征提取、 序列相似性计算 |
BLAST（英文名：Basic Local Alignment Search Tool，即“基本局部比对搜索工具”），是一套在生物信息学领域使用最广泛的算法和程序，用于比较初级生物序列信息（如蛋白质的氨基酸序列或 DNA 的核苷酸序列）。
BLAST 被誉为生物学界的“Google”。它可以让研究人员输入一段未知的序列（Query），然后在巨大的数据库（如 GenBank）中迅速找到与之相似的已知序列（Subject）。对于您的“基因医生”项目，它是确认患者基因突变位点最基础的工具。[1]
核心原理
与“全局比对”（Global Alignment，如 Needleman-Wunsch 算法）试图从头到尾对齐两条序列不同，BLAST 采用局部比对（Local Alignment）策略：
- 种子延伸法：它先寻找短的、完全匹配的片段（称为“种子”或 Word），然后向两端延伸，直到相似度下降到阈值以下。
- 优势：这种启发式算法比全局比对快几个数量级，使其能够处理 GenBank 这种 PB 级别的数据量。
五大核心变体 (技术选型指南)
您的 AI 团队在编写自动分析流程（Pipeline）时，必须根据数据类型选择正确的程序：
| 程序名 | 查询序列 (Input) | 目标数据库 | 典型应用场景 |
|---|---|---|---|
| blastn | 核苷酸 (DNA/RNA) | 核苷酸 | 寻找同源基因、映射引物位置 |
| blastp | 蛋白质 | 蛋白质 | 寻找功能相似的蛋白、药物靶点分析 |
| blastx | 核苷酸 (翻译后) | 蛋白质 | 最常用：分析未知 DNA 片段可能编码什么蛋白 |
| tblastn | 蛋白质 | 核苷酸 (翻译后) | 在未注释的基因组中寻找新基因 |
| tblastx | 核苷酸 (翻译后) | 核苷酸 (翻译后) | 远缘物种间的深度同源性分析 |
关键统计指标：E-value
这是解读 BLAST 结果的灵魂。
- 定义：E-value (Expect Value) 表示在随机情况下，在这么大的数据库中找到得分如此高的匹配结果的期望次数。
- 解读规则：
- 越小越好：E-value 越接近 0，说明匹配越不可能是巧合（即具有真实的生物学意义）。
- 阈值：通常 E-value < $10^{-5}$ 被认为有统计学意义；在“基因医生”的临床诊断中，通常要求 E-value 接近 0（如 $10^{-100}$）。
实际应用与 AI 结合
- 本地化部署 (Local BLAST)：出于患者隐私（HIPAA/GCP 合规）考虑，您的“智慧医生”系统不应直接把患者序列传到 NCBI 的公网服务器。您需要在公司内部服务器搭建 Local BLAST+，并在内网运行比对。[2]
- 特征工程：在训练基因组大模型时，BLAST 的比对结果（如一致性百分比、覆盖度）是极其重要的特征输入（Feature Engineering），可以帮助 AI 判断一个变异是否会导致功能丧失。