一大波工具、数据库丢你一脸

今天给大家介绍一些工具以及数据库，包括在线工具BLAST以及RefSeq和circBase数据库，分享这些也是为了后面分析文章“Circular RNA profiling reveals an abundant circHIPK3 that regulates cell growth by sponging multiple miRNAs”作一个铺垫吧。

BLAST

BLAST（Basic Local Alignment Search Tool，https://blast.ncbi.nlm.nih.gov/ Blast.cgi）是NCBI中一个十分常用的工具，主要用于蛋白质序列或核酸序列比对分析，判断所检测序列与数据库中的序列的匹配程度。BLAST的用途很广，不仅仅可以评估测序结果，还能够对siRNA干扰序列的特异性进行验证，以防止脱靶效应。

目前BLAST既提供工具下载，也可以进行在线分析，这里以在线分析为例进行介绍。

首先在主页处选择所研究的物种（包括人、鼠和微生物等）

在这一页面可以看见一共5个研究工具，分别是

1、blastn，将核酸序列与核酸数据库中的序列进行比对；

2、blastp，将蛋白质序列与蛋白质数据库中的序列进行比对；

3、blastx，是先将核酸序列翻译成蛋白质序列，再与蛋白质数据库中的序列进行比对；

4、tblastn，与blastx的功能相反，先将数据库中核酸序列翻译成蛋白质序列，再与所查的蛋白质序列进行比对；

5、tblastx，同时将所查的核酸序列和数据库中的核酸序列都翻译成蛋白，再将翻译出的蛋白进行比对。

然后在搜索框中复制粘贴所要检索的序列。

有童鞋可能会好奇什么是FASTA序列，这里简单地说两句。在生物信息学中，核酸序列和蛋白质序列一般用FASTA格式呈现，统一的格式方便跑程序嘛。FASTA格式的序列表示为一系列行，每行的长度不应超过120个字符，通常不超过80个字符。FASTA序列的第一行以“>”开头；以“;”开头的行是注释行，程序运行时会忽略该行；通常以“*”结束序列。

这里直接把序列丢进去就行了，没那么多规矩。

下面的这些参数设置（包括数据库选择、匹配程度等）一般默认即可。

点开Algorithm parameters（算法参数），可以设置目标序列数量，以及Except threshold（E值，BLAST比对结果中的一个重要参数，表示随机匹配的可能性，E值越大，随机匹配的可能性也越大，E值接近零或为零时，基本上就是完全匹配了）。

最后点BLAST即可进行比对。

结果页面可以看到匹配到了两个结果，E-value即上面所提到的E值，Ident表示一致性（Identities），即匹配成功的碱基数占总序列长的百分数。

下面还显示每条序列的详细匹配结果，其中Gaps表示缺失或插入。

结果评价优先看E值，然后是Ident，然后是Gaps。

在BLAST的主页，还提供了一些其它工具，比如说Primer-Blast，可以在线设计PCR引物。

RefSeq数据库

BLAST所调用的数据库包括RefSeq，这个数据库与GeneBank有点类似，可以查到基因所对应的序列以及相关注释，同样也来自于NCBI。它们的不同在于，GenBank中每个基因都含有许多序列，而RefSeq数据库中，每个基因只挑出一个代表序列来减少重复，这一代表序列是由NCBI提供的校正后的序列数据。RefSeq（格式为NM_xxxxxx）和GenBank（格式为Afxxxxxx）一样具有自己的ACCESSION序号。

circBase数据库

circBase数据库是一个环状RNA的数据库，之前小张在（工具篇）S4E26:环状RNA常用数据库介绍总结一文中提及过，这里再补充一些内容，介绍list search、table browser、downloads三部分的用法。

List search可以输入多个circRNA的ID

这里的list也可以换成circRNA相关基因的ID，比如TP53、Sirt1等。

结果可以导出EXCEL或TXT格式，结果中还显示出了该circRNA来自于哪个基因。

table browser可以查看数据库中收录的研究结果中的circRNA。

downloads中可以下载多个物种中所检测到的circRNA，可以用于比对测序结果，以确认哪些circRNA是新发现的，可以试试vlookup函数哦~（如果Ctrl+F也找不到想要的数据怎么办）。

今天甩了一大包东西，大家接好了么？

 长按二维码识别关注“小张聊科研”

关注后获取《科研修炼手册》1.0、2.0、3.0、基金篇精华合集