BLAST-Algorithmus

Foto 1: Schematischer Ablauf einer BLAST-Abfrage.

BLAST (Abkürzung für englisch Basic Local Alignment Search Tool) ist der Überbegriff für eine Sammlung der weltweit am meisten genutzten Programme zur Analyse biologischer Sequenzdaten. BLAST wird dazu verwendet, experimentell ermittelte DNA- oder Protein-Sequenzen mit bereits in einer Datenbank vorhandenen Sequenzen zu vergleichen. Als Ergebnis liefert das Programm eine Reihe lokaler Alignments, d. h. Gegenüberstellungen von Stücken der gesuchten Sequenz mit ähnlichen Stücken aus der Datenbank. Darüber hinaus gibt BLAST an, wie signifikant die gefundenen Treffer sind. Die Suche in der Datenbank erfolgt entweder über eine Webschnittstelle oder mit Hilfe von verschiedenen Stand-Alone-Programmen, die lokal installiert werden können.

Das Programm BLAST wurde von Stephen Altschul, Warren Gish, David J. Lipman, Webb Miller und Eugene Myers an den National Institutes of Health entwickelt.[1][2] Beteiligt an der Algorithmenentwicklung war auch Samuel Karlin.

Funktionsweise

Die Idee des Algorithmus basiert auf der Wahrscheinlichkeit, dass Alignments mit vielen Treffern kurze Stücke von großer Identität besitzen. Diese Teilstücke werden dann während der Suche nach besseren und längeren Alignments weiter vergrößert.

Indem diese Segmente kurz gehalten werden, ist es möglich, die Abfragesequenz vor einer Suche zu bearbeiten und eine Tabelle aller möglichen Teilstücke mit ihrem Ursprung in der Originalsequenz vorzuhalten.

Dabei stellt der Algorithmus eine Liste aller benachbarten Worte fester Länge auf, die einen Treffer auf der Abfragesequenz mit einem höheren Scoring als ein zu wählender Parameter erzeugen würden. Anschließend wird die Zieldatenbank nach Worten in dieser Liste abgefragt und die gefundenen Treffer erweitert, um mögliche maximale zusammenhängende Treffer in beiden Richtungen zu finden.

Die Hauptanwendung von BLAST ist die Suche nach paralogen und orthologen Genen und Proteinen innerhalb eines oder mehrerer Organismen.

Methoden (Auswahl)

MethodeBeschreibung
blastpVergleicht eine Aminosäuresequenz gegen eine Proteinsequenzdatenbank
PSI-BLASTPosition-Specific Iterative BLAST: Benutzt man, um entfernte Verwandte eines Proteins zu bestimmen.

Zuerst wird eine Liste aller sehr ähnlichen Proteine erstellt. Über diesen Proteinen wird ein Profil erstellt, eine Art gemittelte Sequenz. Daraufhin sendet man mit diesem Profil erneut eine Suchanfrage an die Proteindatenbank und erhält eine größere Gruppe ähnlicher Sequenzen. Mit dieser Gruppe kann man wieder ein neues Profil erstellen und den Prozess beliebig oft wiederholen. Dadurch, dass verwandte Proteine in die Suche miteinbezogen werden, ist PSI-BLAST viel empfindlicher bei der Ermittlung weit entfernter Verwandtschaften als das gewöhnliche Protein-Protein BLAST.

blastnVergleicht eine Nukleotidsequenz gegen eine Nukleotidsequenzdatenbank
blastxVergleicht eine Nukleotidsequenz (in allen Leserastern translatiert) gegen eine Proteindatenbank

Man kann diese Möglichkeit nutzen, um eine mögliche Translation einer bekannten Nukleotidsequenz zu finden.

tblastnVergleicht eine Proteinsequenz gegen eine Nukleotiddatenbank (dynamisch in allen Leserastern translatiert)
tblastxVergleicht die six-frame-Translation einer Nukleotidsequenz gegen die six-frame-Translationen einer Nukleotidsequenzdatenbank.

tblastx kann nicht mit der Nukleotiddatenbank auf der BLAST Webseite verwendet werden, da sie technisch sehr aufwändig ist!

megablastmegablast wird empfohlen zur Suche von identischen Sequenzen zu einer eigenen Sequenz. megablast wurde speziell erstellt, um besonders lange Sequenzen mit vorhandenen Gegenstücken aus der Datenbank abzugleichen.

discontiguous megablast wird empfohlen zur Suche nach Übereinstimmungen zwischen Sequenzen, die verteilt vorliegen, z. B. von verschiedenen Organismen stammen, und eine niedrige Übereinstimmungsrate haben.

cdartcdart sucht Sequenzen mit einer möglichst identischen Anordnung von Proteindomänen unter Zuhilfenahme der CDD (=conserved domain)-Datenbank (Import von Übereinstimmungen aus SMART und Pfam) und vergleicht sie mit dem gesuchten Protein und dessen Domänen.

Suchergebnisse

Die Homologie der bearbeiteten Suchsequenz wird anhand von Score und E-Wert definiert.

Der Score ist eine quantitative Bewertung der Ähnlichkeit der Suchsequenz mit einer bekannten Sequenz (je höher, desto höher ist auch die Identität der Sequenzen).

Der E-Wert gibt die erwartete Anzahl der Hits an, deren Score mindestens so groß ist wie der beobachtete (je kleiner, desto besser).

Die Abkürzungen vor und innerhalb der Suchergebnisse bedeuten (Auswahl):

GenBankgi-number|gb|accession|locus
EMBL Data Librarygi-number|emb|accession|locus
DDBJ, DNA Database of Japangi-number|dbj|accession|locus
NCBI Reference Sequencegi-number|ref|accession|locus
SWISS-PROTgi-number|sp|accession|name
General database identifierdatabase|identifier
Local Sequence identifieridentifier

Anm: Die gi-Nummer ist eine Abfolge von Ziffern, die einen Datenbankeintrag des NCBI markiert.

Siehe auch

Literatur

Weblinks

Einzelnachweise

  1. Stephen F. Altschul, Warren Gish, Webb Miller, Eugene W. Myers, David J. Lipman: Basic local alignment search tool. In: Journal of Molecular Biology. Bd. 215, 1990, ISSN 0022-2836, S. 403–410, doi:10.1016/S0022-2836(05)80360-2.
  2. Sense from Sequences: Stephen F. Altschul on Bettering BLAST. In: sciencewatch.com. 2000, archiviert vom Original am 23. April 2008; abgerufen am 7. Juli 2016.

Auf dieser Seite verwendete Medien