Tratopedia
Cara NEN
Ajustes

Tamaño del texto

Tema

Alto contraste

Versión

v1.230.2

La publicación con la que se generó esta página. Es la que almacena en caché el service worker.

Alineamiento de secuencias · Bioinformática · Software de análisis · ComparaciónFuentes consultadas el 17 de octubre de 2026

Cómo se alinean las secuencias de ADN y de proteínas

Siete alineadores de secuencias, tres tareas

BLASTN, BLAT, LAST, BWA-MEM, Bowtie2, CLUSTALW y Clustal Omega suelen aparecer juntos como “alineadores”, pero responden a tres preguntas distintas. Tres buscan dónde una secuencia se parece a otra; dos colocan millones de lecturas de secuenciación sobre un genoma de referencia; dos alinean a la vez muchas secuencias emparentadas. Dentro de cada grupo, las diferencias se reducen a qué se indexa, cómo se eligen las primeras coincidencias cortas (las semillas) y cómo se expresa la confianza. Esta comparación lee cada herramienta en su propio artículo, manual y código fuente, y termina en qué herramienta encaja con qué tarea.

Qué está establecido sobre cada herramienta, y con qué firmeza Cada punto con su grado de solidez delante, leído en los artículos, manuales y código fuente de las propias herramientas el 17 de octubre de 2026.

  • 3tareas distintas que hacen las siete herramientas: búsqueda local, mapeo de lecturas, alineamiento múltiple
  • 399 → 0.1coincidencias al azar por consulta de 500 bases en un genoma de 3,000 millones de bases: una semilla de 14 frente a dos de 11 (Kent, 2002)
  • 19 ntlongitud mínima de semilla por defecto de BWA-MEM
  • 190,000+secuencias que Clustal Omega alineó en un procesador en pocas horas, en la prueba de sus autores de 2011
SolidezQuéLeído en
Confirmado: documentación o código actualBLASTN construye su tabla de búsqueda con las palabras de la consulta. La tarea por defecto es megablast, con palabras de 28 bases; la tarea blastn usa 11, blastn-short 7 y dc-megablast 11 posiciones coincidentes dentro de una plantilla de 18.Código fuente de BLAST+; Camacho et al., 2009
Confirmado: documentación o código actualBLAT indexa en memoria los 11-meros no solapados del genoma diana y, para ADN, inicia un alineamiento con dos coincidencias perfectas de 11. Su salida por defecto (PSL) da puntuación e identidad, no un valor E.Kent, 2002; especificación de BLAT de la UCSC
Confirmado: documentación o código actualLAST indexa la referencia como un vector de sufijos y alarga cada semilla hasta que aparece allí como mucho m veces. Da valores E y EG, las coincidencias esperadas por cada mil millones de letras de consulta.Documentación de LAST
Confirmado: documentación o código actualBWA-MEM siembra con coincidencias exactas supermaximales de al menos 19 bases, vuelve a sembrar las largas, extiende con programación dinámica en banda y elige por sí mismo entre alineamiento local y de extremo a extremo. Da la calidad de mapeo (MAPQ).Li, 2013; manual de bwa
Confirmado: documentación o código actualBowtie2 busca semillas fijas de 22 bases (20 en modo local) en un índice FM de unos 3.2 GB para el genoma humano, las extiende con programación dinámica acelerada por SIMD, alinea de extremo a extremo por defecto y da MAPQ.Manual de Bowtie2; Langmead y Salzberg, 2012
Confirmado: el artículo del métodoCLUSTALW alinea todos los pares para obtener distancias, construye un árbol guía por unión de vecinos y alinea después progresivamente a lo largo de él con pesos por secuencia, matrices según la divergencia y penalizaciones de hueco específicas de posición.Thompson, Higgins y Gibson, 1994
Confirmado: el artículo del métodoClustal Omega construye su árbol guía con mBed en tiempo O(N log N) en lugar de O(N²) y alinea modelos ocultos de Markov de perfil con HHalign.Sievers et al., 2011
Prueba de los propios desarrolladoresBLAT “500 veces más rápido” que las herramientas de ARNm/ADN de 2002; las semillas adaptativas logran un 67% de sensibilidad en unos 10 minutos frente a 500 con semillas fijas; BWA-MEM unas seis veces más rápido que Bowtie2 con lecturas de 650 bases; Clustal Omega, 0.554 en BAliBASE en 9 minutos.El artículo de cada herramienta
Las fuentes discrepanLongitud mínima de consulta de ADN para BLAT: las preguntas frecuentes de la UCSC dicen 40 bases o más al 95% de similitud; la guía de usuario del navegador genómico de la UCSC dice 25, y que encuentra coincidencias perfectas de 32 bases, a veces de 22.Preguntas frecuentes de BLAT de la UCSC; guía de usuario del navegador genómico de la UCSC

Lo que está zanjado

Cómo indexa, siembra, extiende e informa cada herramienta consta en su propia documentación, código o artículo del método.

Lo que es palabra de los desarrolladores

Todas las cifras de velocidad y precisión proceden de los autores de cada herramienta, con el hardware, los datos y las herramientas rivales de 1990 a 2013.

Treinta y seis años de alineadores Artículos fechados por su número de revista o su publicación en línea; versiones, por los registros de cada proyecto.

  1. 1990Altschul y colaboradores publican BLAST, que aproxima los alineamientos que maximizan una puntuación de similitud local y les asigna significación estadística.
  2. 11 nov 1994Thompson, Higgins y Gibson publican CLUSTAL W: pesos por secuencia, matrices según la divergencia y penalizaciones de hueco específicas de posición.
  3. 1 sep 1997Gapped BLAST y PSI-BLAST: un nuevo criterio para extender las coincidencias de palabras y una heurística de alineamiento con huecos, unas tres veces más rápido que el original para proteínas.
  4. abr 2002Kent publica BLAT, que indexa el genoma en lugar de la consulta y une los exones en alineamientos a escala de gen.
  5. 15 dic 2009Camacho y colaboradores describen BLAST+, cuyas “tareas” fijan el tamaño de palabra y la puntuación para cada tipo de búsqueda.
  6. mar 2011Kiełbasa, Frith y colaboradores publican las semillas adaptativas y LAST: semillas elegidas por su rareza, de modo que el tiempo crece linealmente y no cuadráticamente con la longitud.
  7. 11 oct 2011Sievers y colaboradores publican Clustal Omega: árboles guía mBed y HHalign, probado con hasta 50,000 secuencias.
  8. 4 mar 2012Langmead y Salzberg publican Bowtie 2: semillas en índice FM y después extensión con huecos acelerada por SIMD.
  9. 2013Shrestha y Frith publican un método probabilístico para lecturas pareadas, implementado en LAST.
  10. 26 may 2013Li publica la versión 2 del preprint de BWA-MEM: semillas SMEM, resiembra, encadenamiento y extensión con Z-drop, de 70 bases a unas pocas megabases.
  11. 2015Frith y Kawaguchi muestran un alineamiento dividido de genomas que gana precisión al no enmascarar las repeticiones.
  12. 2017Hamada, Frith y colaboradores publican last-train, que aprende las puntuaciones de sustitución y de hueco a partir de los propios datos.
  13. 2021Capítulo de protocolo de Sievers y Higgins: Clustal Omega maneja muchas decenas de miles de secuencias de ADN/ARN o de proteínas.
  14. 22 mar 2025Publicada BWA 0.7.19 (GitHub, fecha UTC).
  15. jul 2025BLAST+ 2.17.0: la versión que el directorio de descargas del NCBI da como la más reciente, con archivos fechados el 1 de julio.
  16. 16 feb 2026Publicada Bowtie2 2.5.5.
  17. 3 ago 2026LAST etiquetado como versión 1654, la más reciente de su repositorio el día en que se leyeron estas fuentes.

Lo que no puede fecharse. La versión actual de BLAT, la actual de Clustal Omega y la última de CLUSTALW: ninguna de las fuentes leídas da una fecha, y el sitio de Clustal Omega rechazó la petición. Los valores por defecto de esta página son los de la documentación y el código actuales, no necesariamente los de los artículos.

Tres tareas, y dentro de cada una deciden el índice y la semilla Cada fuente describe solo su propia herramienta; la agrupación es la lectura que hace este artículo.

  • Búsqueda

    ¿Dónde se parece esta secuencia a aquella?

    BLASTN · BLAT · LAST

    • Alineamiento local: solo se informan los tramos que mejor coinciden.
    • BLASTN indexa la consulta y recorre la base de datos; BLAT y LAST indexan la base de datos y recorren la consulta.
  • Mapear lecturas

    ¿De qué lugar del genoma procede cada lectura?

    BWA-MEM · Bowtie2

    • La referencia se indexa una vez con un índice FM; millones de lecturas pasan por él.
    • Se gestionan los pares, y la respuesta lleva una calidad de mapeo.
  • Alinear muchas

    ¿Cómo se alinean juntas todas estas secuencias emparentadas?

    CLUSTALW · Clustal Omega

    • Ni índice ni semillas: las distancias dan un árbol guía, y las secuencias se unen a lo largo de él.
    • Se coloca cada posición de cada secuencia, de extremo a extremo.
HerramientaQué se indexaSemilla
BLASTNLas palabras de la consulta, en una tabla; se recorre la base de datosPalabras exactas: 28 bases (megablast, por defecto), 11 (blastn), 7 (blastn-short); espaciadas en dc-megablast
BLATLos 11-meros no solapados del genoma diana, en memoriaDos coincidencias perfectas de 11 en una misma diagonal (ADN)
LASTUn vector de sufijos de la referenciaAdaptativa: cada semilla se alarga hasta aparecer como mucho m veces
BWA-MEMÍndice FM de la referenciaCoincidencias exactas supermaximales, de al menos 19 bases; las largas se resiembran
Bowtie2Índice FM de la referenciaSemillas exactas fijas de 22 bases (20 en modo local), espaciadas según la longitud de la lectura
CLUSTALWNada; se alinean todos los pares para obtener distanciasNinguna; en su lugar, un árbol guía por unión de vecinos
Clustal OmegaNada; cada secuencia se convierte en un vector corto de distancias (mBed)Ninguna; en su lugar, un árbol guía por agrupamiento

Por qué importa la regla de la semilla. Una semilla es una coincidencia exacta corta que se encuentra rápido gracias a un índice; solo las regiones con semilla pasan al costoso paso de alineamiento, así que la regla fija a la vez la velocidad y lo que se pierde. Kent hizo la cuenta para BLAT en 2002: para encontrar el 99% de las regiones de 100 bases con un 95% de identidad, una semilla perfecta única debe tener 14 bases o menos, y frente a un genoma de 3,000 millones de bases eso envía 399 regiones al azar por consulta de 500 bases al alineamiento; dos 11-meros perfectos envían 0.1. La respuesta de LAST es otra: en lugar de fijar la longitud, alarga cada semilla hasta que es rara. Sus desarrolladores midieron 777 millones de coincidencias con semillas adaptativas entre los cromosomas X humano y de ratón, frente a 22,000 millones con semillas fijas de 13 bases, y sostienen que las semillas adaptativas dan la sensibilidad de una semilla de 13 bases con el tiempo de una de 32.

  • 399regiones al azar, una semilla de 14
  • 0.1regiones al azar, dos semillas de 11

Una lectura

Lectura. La primera decisión es la tarea, no la herramienta. En la búsqueda, el equilibrio entre velocidad y sensibilidad lo fija sobre todo la semilla; en el mapeo de lecturas, cómo se encuentran y extienden las semillas en un índice FM; en el alineamiento múltiple, cómo se construye el árbol guía.

Extensión, puntuación y qué significan los números De la documentación o el código actuales de cada herramienta cuando existen; si no, de su artículo del método.

HerramientaExtensiónPuntuación por defectoConfianza que informaEntrada típica
BLASTNSin huecos y luego con huecos, X-dropblastn +2/−3, huecos 5 + 2 por base; megablast +1/−2, huecos lineales; filtro de baja complejidad activadoValor E y puntuación en bits (umbral por defecto 10)Una consulta contra una base de datos
BLATAlinea las regiones agrupadas, une los bloques, revisa exones pequeños y sitios de corte y empalmeCoincidencias menos discrepancias menos una penalización por hueco; puntuación mínima 30, identidad mínima 90%Puntuación e identidad; sin valor E en la salida por defectoARNm o ADN de hasta 200,000 bases
LASTSin huecos y luego con huecos X-drop desde un núcleoUna matriz o puntuaciones de coincidencia y discrepancia, o aprendidas con last-train; huecos a + b·kE y EG; por defecto, coincidencias esperables al azar como mucho una vez por millón de letras de consultaDe lecturas a genomas enteros
BWA-MEMProgramación dinámica en banda con huecos afines y Z-drop; rescate del compañeroCoincidencia 1, discrepancia 4, apertura de hueco 6, extensión 1, recorte 5Calidad de mapeo (MAPQ)De 70 bases a unas pocas megabases
Bowtie2Programación dinámica acelerada por SIMDDe extremo a extremo: discrepancia de hasta 6 según la calidad de la base, hueco 5 + 3 por base; el modo local añade 2 por coincidenciaCalidad de mapeo (MAPQ)Lecturas de unas 50 a unos pocos cientos de bases
CLUSTALWProgramación dinámica completa perfil contra perfil en cada nodo del árbolMatrices según la divergencia; penalizaciones de hueco específicas de residuo y de posiciónNinguna por alineamientoConjuntos pequeños de secuencias emparentadas
Clustal OmegaModelo oculto de Markov de perfil contra otro (HHalign) en cada nodoHMM de perfil; un perfil externo puede guiar el alineamientoNinguna por alineamientoDecenas de miles de secuencias de ADN, ARN o proteínas

Un valor E y una MAPQ responden a preguntas distintas. BLASTN y LAST indican con qué frecuencia surgiría una puntuación así de buena entre secuencias aleatorias de la misma longitud, lo que conviene a una búsqueda donde cualquier acierto podría ser casual. BWA-MEM y Bowtie2 dan una estimación en escala Phred de la probabilidad de que la lectura se haya colocado en un lugar equivocado, lo que conviene a una lectura que se supone procedente del genoma y que puede encajar en varios sitios. La salida por defecto de BLAT da coincidencias e identidad, adecuada para ubicar secuencias casi idénticas. Los alineadores múltiples no dan ninguna cifra por alineamiento: su calidad se juzga con conjuntos de referencia que sus propios autores describen como “muy sesgados hacia proteínas globulares de un solo dominio”. Ninguna de estas cifras se convierte en otra.

Repeticiones, memoria y lecturas largas. BLAT deja fuera de su índice los 11-meros demasiado frecuentes; el índice de su servidor ocupa alrededor de 1 GB para ADN sin enmascarar. Las semillas adaptativas de LAST permiten comparar genomas con poco o ningún enmascarado de repeticiones, aunque sus autores siguen aconsejando enmascarar las repeticiones simples; su alineamiento dividido de genomas “gana precisión al no enmascarar las repeticiones”. Su índice crece con el esquema de siembra: el más sensible, MAM8, necesita unos 50 GB para un genoma de mamífero, mientras que los esquemas RY ahorran tiempo y memoria sembrando solo en algunas posiciones. Para lecturas largas con muchos errores de inserción y deleción, el propio recetario de LAST entrena los parámetros con last-train y después conserva un único mejor alineamiento por cada parte de cada lectura; los autores de last-train indican mejor precisión con lecturas de tres plataformas de secuenciación y menos sesgo de referencia con lecturas de nanoporos. BWA-MEM abarca de 70 bases a megabases; su autor vio que la siembra es el cuello de botella en lecturas cortas y el alineamiento en banda en las largas. El índice FM de Bowtie2 para el genoma humano ocupa unos 3.2 GB.

  • ~1 GBíndice del servidor de BLAT, ADN sin enmascarar
  • ~3.2 GBíndice de Bowtie2, genoma humano
  • ~50 GBLAST con semillas MAM8, genoma de mamífero

Pruebas de su época

La aceleración de 500 veces de BLAT era frente a las herramientas de 2002; la comparación de memoria de Bowtie2 en 2012 fue con el BWA original, un año antes de BWA-MEM; la ventaja de seis veces de BWA-MEM sobre Bowtie2 fue con lecturas de 650 bases, y con lecturas de 100 ambos fueron similares. Cada cifra es de sus propios autores.

Clustal Omega frente a los métodos de consistencia

En BAliBASE sus autores midieron un 0.554 de columnas correctas en 9 minutos; programas basados en consistencia como Probcons y T-Coffee alcanzaron de 0.55 a 0.61 en un tiempo de 25 minutos a 22 horas, y Clustal W fue el programa más flojo de la prueba.

Qué herramienta encaja con qué tarea Una tarjeta por herramienta: para quién es, en qué destaca y qué se sacrifica.

  • BLASTN

    Encontrar secuencias emparentadas en una base de datos, con una estadística asociada

    Destaca en: valores E para cada acierto, y tareas predefinidas desde lo casi idéntico (megablast) hasta lo interespecífico (dc-megablast) y las consultas cortas.

    • La tarea por defecto es la de lo casi idéntico; para ADN divergente hay que elegir a propósito blastn o dc-megablast.
    • Lo que se sacrifica: recorrer la base de datos con cada consulta es lento a escala de genomas enteros o de millones de lecturas.
  • BLAT

    Situar un ARNm, un ADNc o una secuencia en el genoma de su propia especie

    Destaca en: la velocidad con secuencias casi idénticas, y alineamientos con corte y empalme que muestran la estructura de exones en un solo resultado.

    • Pensado para ADN con un 95% de similitud o más, y proteínas con un 80% o más.
    • Lo que se sacrifica: pierde coincidencias divergentes y secuencias cortas que cruzan un sitio de corte y empalme, y no da valor E por defecto.
  • LAST

    Comparar genomas enteros, o lecturas cuyo perfil de error se desconoce

    Destaca en: genomas ricos en repeticiones o de composición inusual, y parámetros aprendidos de los propios datos.

    • Semillas adaptativas, alineamiento dividido, valores E, y ADN contra proteína además de ADN contra ADN.
    • Lo que se sacrifica: la memoria crece con el esquema de siembra, y el emparejamiento es un paso aparte, no integrado.
  • BWA-MEM

    Mapear lecturas o contigs de 70 bases a megabases

    Destaca en: una sola herramienta para todas las longitudes, que elige por sí misma entre alineamiento local y de extremo a extremo e informa de las lecturas quiméricas.

    • Las lecturas pareadas se rescatan y puntúan con la distribución del tamaño de inserto.
    • Lo que se sacrifica: responde a dónde pertenece una lectura, no a cuán significativa es una coincidencia; su ventaja de velocidad en la prueba de su autor fue con lecturas largas.
  • Bowtie2

    Mapear lecturas cortas sobre un genoma grande

    Destaca en: lecturas cortas de unas 50 a unos pocos cientos de bases con un consumo de memoria moderado, con modos explícitos de extremo a extremo o local y ajustes predefinidos.

    • Emparejamiento concordante, discordante y mixto, con puntuación según la calidad.
    • Lo que se sacrifica: pensado para lecturas de hasta unos pocos cientos de bases; con lecturas de 650, el autor de BWA-MEM lo midió unas seis veces más lento que su herramienta.
  • CLUSTALW

    Reproducir un análisis antiguo, o enseñar el alineamiento progresivo

    Destaca en: un método progresivo transparente y bien documentado, con reglas de hueco ajustadas a mano.

    • Su método y sus reglas de hueco se exponen por completo en su artículo de 1994.
    • Lo que se sacrifica: el más flojo en la prueba de su sucesor, O(N²) para construir el árbol, y poco fiable cuando todos los pares están por debajo de un 25–30% de identidad.
  • Clustal Omega

    Alineamiento múltiple de cualquier tamaño, de unas pocas a decenas de miles

    Destaca en: la escala, con una precisión que sus autores midieron cercana a la de los lentos métodos de consistencia, y la opción de alinear contra un perfil externo.

    • Trata ADN, ARN y proteínas; la iteración ayuda sobre todo a partir de unas 1,000 secuencias.
    • Lo que se sacrifica: en BAliBASE, cuyos conjuntos de prueba son casi todos pequeños, los mejores métodos de consistencia puntuaron algo más alto (hasta 0.61 frente a 0.554), con mucho más tiempo de cálculo.

Tómese con cautela

Los valores por defecto cambian de una versión a otra; estos son los de la documentación y el código leídos el 17 de octubre de 2026. Todas las cifras de velocidad son de los propios desarrolladores, de 1990 a 2013, y no se encontró ninguna prueba independiente de las siete.

  • Lectura. Lecturas cortas sobre un genoma de referencia: BWA-MEM o Bowtie2; ambos necesitan indexar antes la referencia.
  • Lectura. Lecturas más largas o contigs ensamblados: BWA-MEM; para lecturas largas con muchos errores de inserción y deleción, LAST con last-train.
  • Lectura. Un ARNm o ADNc en el genoma de su propia especie con alta identidad: BLAT.
  • Lectura. Homólogos divergentes que necesitan un valor E: BLASTN con la tarea blastn o dc-megablast.
  • Lectura. Genomas enteros, sobre todo los ricos en repeticiones: LAST.
  • Lectura. Alineamiento múltiple: Clustal Omega; CLUSTALW cuando haya que reproducir un resultado antiguo.

Notas rápidas

  1. Alineamiento de secuencias · fuentes consultadas el 17 de octubre de 2026

    Los alineadores de secuencias, explicados

    LAST · CLUSTALW · Clustal Omega · BWA-MEM · Bowtie2 · BLASTN · BLAT

    Estrategias de alineamiento comparadas1 / 15

  2. Panorama

    Tres tareas, siete herramientas

    La agrupación es de este artículo; la documentación de cada herramienta solo se describe a sí misma.

    • Búsqueda

      Encontrar dónde coincide una secuencia con una base de datos o un genoma

      • BLASTN · BLAT · LAST
    • Mapear lecturas

      Colocar millones de lecturas de secuenciación en un genoma de referencia

      • BWA-MEM · Bowtie2
    • Alinear muchas

      Alinear muchas secuencias emparentadas en un solo alineamiento

      • CLUSTALW · Clustal Omega

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20262 / 15

  3. Conceptos básicos

    El alineamiento en una imagen

    Consulta ACGTTGCAAT frente a referencia ACCTTGCGAT: coinciden 8 de 10 posiciones, es decir, un 80% de identidad.

    • Local

      Solo se informa el tramo que mejor coincide

      • Así funcionan BLASTN y LAST.
    • De extremo a extremo

      Cuenta cada posición

      • Por defecto en Bowtie2; las herramientas Clustal alinean la longitud completa.
    • Huecos

      Una inserción o deleción cuesta una penalización de apertura más otra de extensión

      • Se llaman costes de hueco afines.

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20263 / 15

  4. Conceptos básicos

    Sembrar y después extender

    BLASTN, BLAT, LAST, BWA-MEM y Bowtie2 siguen este patrón y difieren sobre todo en la siembra. CLUSTALW y Clustal Omega construyen en su lugar un árbol guía.

    1. 1SemillaEncontrar una coincidencia exacta corta mediante un índice
    2. 2EncadenarAgrupar las semillas que se alinean
    3. 3ExtenderHacer crecer cada semilla con programación dinámica
    4. 4PuntuarConservar los alineamientos con puntuación suficiente

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20264 / 15

  5. Semillas

    Las semillas de un vistazo

    Las semillas largas van más rápido pero pierden coincidencias débiles; las cortas captan más y cuestan más tiempo.

    HerramientaSemillaÍndice
    BLASTNPalabras exactas: 28 bases (megablast, por defecto), 11 (blastn)Tabla de palabras de la consulta
    BLATDos 11-meros perfectos en una diagonal11-meros del genoma en memoria
    LASTAdaptativa: crece hasta ser raraVector de sufijos
    BWA-MEMCoincidencias exactas supermaximales, al menos 19 basesÍndice FM
    Bowtie2Fijas, 22 bases (20 en modo local)Índice FM

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20265 / 15

  6. Búsqueda · 1 de 3

    BLASTN

    Semillas de palabra fija, extensión X-drop y un valor E para cada acierto

    1. 1Cortar la consulta en palabras28 bases (megablast) u 11 (blastn)
      consultaGATCCTAGGCTTACGATCCTAGGCT1ATCCTAGGCTT2TCCTAGGCTTA3CCTAGGCTTAC4

      14 bases dan 14 − 11 + 1 = 4 palabras de 11, cada una guardada en la tabla de búsqueda con su posición en la consulta (tarea blastn).

    2. 2Extender cada aciertoX-drop sin huecos y luego con huecos
      consultaGATCCTAGGCTTACGATGCAsujetoGATCCTAGGCTCACGTCCAG

      N semillaN coincidenciaN discrepanciaN descartado

      +2 por coincidencia, −3 por discrepancia. La mejor puntuación, 25, se alcanza tras 15 bases; en 19 queda más de X = 5 por debajo, así que la extensión se detiene y se recorta a 15. Aquí X es un valor de ejemplo.

    3. 3Puntuar y ordenarLa estadística de Karlin–Altschul da valores E
      AciertoCoinc. / discr.Puntuación
      A14 / 125
      B13 / 123
      C11 / 022

      Cada acierto puntuado +2/−3. Un valor E cuenta los aciertos por azar que se esperan con una puntuación al menos igual, así que baja cuando la puntuación sube y el orden es el mismo. No se informan los aciertos con E superior a 10.

    DatoValor
    ÍndiceTabla de búsqueda de palabras de la consulta
    SemillasPalabras exactas de 11 o 28 bases; 7 para consultas cortas
    ConfianzaValor E y puntuación en bits
    Ideal paraADN divergente, con estadística

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20266 / 15

  7. Búsqueda · 2 de 3

    BLAT

    Indexar el genoma y recorrer la consulta: ubicación rápida de secuencias casi idénticas

    1. 1Indexar el genoma11-meros no solapados en memoria
      genomaTGGACCTAGCAATCGGTACCATTGGACCTAGCA1ATCGGTACCAT12

      22 bases del genoma entran en el índice como 2 11-meros no solapados, no como los 22 − 11 + 1 = 12 solapados. El número indica dónde empieza cada uno.

    2. 2Exigir dos aciertosDos 11-meros perfectos en una diagonal
      CTGGACCTAGCAATCGGTACCATGTGGACCTAGCA−1ATCGGTACCAT−1

      N semilla

      Se busca cada 11-mero de la consulta, la fila superior. Dos aciertan en el índice, ambos en la diagonal −1 (posición en el genoma menos posición en la consulta), así que la región pasa a alinearse.

    3. 3Unir los bloquesExones unidos en alineamientos de gen, con ajuste de sitios de corte y empalme
      genomaATGCCAGTAAGCAGGTTCGAmRNAATGCCA--------GTTCGA

      N coincidencia- hueco

      Dos bloques de 6 bases se unen a través de un hueco de 8 bases; sus extremos GT…AG encajan con un sitio de corte y empalme canónico.

    DatoValor
    Índice11-meros del genoma en memoria (unos 1 GB)
    SemillasDos coincidencias perfectas de 11
    ConfianzaPuntuación e identidad; sin valor E en la salida por defecto
    Ideal paraARNm sobre un genoma al 95% o más; las páginas de la UCSC citan un mínimo de 25 o 40 bases

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20267 / 15

  8. Búsqueda · 3 de 3

    LAST

    Semillas adaptativas, para genomas ricos en repeticiones y comparación de genomas enteros

    1. 1Construir un vector de sufijoslastdb indexa la referencia una vez
      ACG5ACGTACG1CG6CGTACG2G7GTACG3TACG4

      Los 7 sufijos de la referencia ACGTACG, ordenados. El número indica dónde empieza cada uno; una búsqueda encuentra todos los sufijos que empiezan por una semilla dada.

    2. 2Hacer crecer semillas adaptativasCada semilla se alarga hasta ser rara en la referencia
      consultaACGTTCA
      LongitudSemillaAparece
      1A2
      2AC2
      3ACG2
      4ACGT1

      N semilla

      La semilla crece letra a letra hasta aparecer como mucho m = 1 veces en la referencia: una semilla de 4 letras. Aquí m es un valor de ejemplo.

    3. 3Extender y aprenderX-drop sin huecos y luego con huecos; last-train aprende las tasas de los datos
      ref.TCACGTTGGATCAAconsultaTGACGTTGGA-CTA

      N semillaN coincidenciaN discrepancia- hueco

      El núcleo, el tramo idéntico más largo (8 letras), sirve de semilla a una extensión con huecos hacia ambos lados. Sus 2 sustituciones y 1 deleción son el tipo de diferencia del que last-train aprende las tasas.

    DatoValor
    ÍndiceVector de sufijos (lastdb)
    SemillasAdaptativas, crecen hasta ser raras
    ConfianzaValor E y EG (aciertos esperados por cada mil millones de letras de consulta)
    Ideal paraGenomas ricos en repeticiones o divergentes

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20268 / 15

  9. Mapear lecturas · 1 de 2

    BWA-MEM

    Coincidencias exactas máximas como semillas; local o de extremo a extremo elegido automáticamente

    1. 1Encontrar coincidencias exactas máximasSMEM de al menos 19 bases; las largas se resiembran
      ref.ACGTTAGCCATGGACTTGCAATlecturaACGTTAGCCATGGACTTGCAGTACGTTAGCCATGGACTTGCA20AG2GT2

      N semillaN coincidenciaN discrepanciaN descartado

      3 SMEM cubren la lectura; el número es la longitud de cada uno. Solo el de 20 bases alcanza el mínimo de 19 y se convierte en semilla; ninguno supera 28, así que ninguno se resiembra.

    2. 2Encadenar y extenderProgramación dinámica en banda con huecos afines y Z-drop
      SemillaLecturaRef.Long.
      A1–20101–12020
      B22–45121–14424
      C27–455001–501919

      A y B van en orden en la lectura y en la referencia: una cadena. Su base de lectura de más es un hueco que cuesta 6 + 1 = 7, así que con 1 por coincidencia puntúa 44 − 7 = 37. La cadena de C cae dentro de ese tramo de lectura y puntúa 19, así que se filtra.

    3. 3Emparejar e informarCompañeros rescatados dentro del rango de inserto; salida con MAPQ
      VentanaBases
      μ ± 4σ200–400

      Con una media de inserto μ de 300 y una dispersión σ de 25 (valores de ejemplo), el compañero sin mapear se busca en 200–400: uno en 350 se rescata y uno en 450 no. MAPQ está en escala Phred: 30 significa una probabilidad de 1 en 1,000 de que la lectura esté mal ubicada.

    DatoValor
    ÍndiceÍndice FM (bwa index)
    SemillasSMEM, al menos 19 bases
    ConfianzaCalidad de mapeo (MAPQ)
    Ideal paraLecturas o contigs de 70 bases a megabases

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 20269 / 15

  10. Mapear lecturas · 2 de 2

    Bowtie2

    Varias semillas de longitud fija y después extensión acelerada por SIMD

    1. 1Tomar semillas de la lectura22 bases (20 en modo local), de la lectura y de su complementaria inversa
      lecturaTTGCATCCTAAGTCTAGCTTGATTGCATCCTA1CCTAAGTCTA7TCTAGCTTGA13

      Semillas de 10 cada 6 bases (valores de ejemplo) dan 3 de una lectura de 22 bases y otras 3 de su complementaria inversa. Por defecto una semilla tiene 22 bases (20 en modo local) y se toma cada 1 + 1.15√L bases de una lectura de L bases.

    2. 2BuscarlasEl índice FM encuentra aciertos exactos sin huecos
      ref.TTGCATCCGAAGTCTAGCTTGATTGCATCCTA0CCTAAGTCTA0TCTAGCTTGA1

      N semillaN coincidenciaN discrepancia

      Una semilla debe coincidir exactamente (-N 0); el número son sus aciertos. La discrepancia en la base 9 rompe las semillas 1 y 2, y la semilla 3 encuentra su 1 acierto.

    3. 3Extender con SIMDLos aciertos prioritarios reciben programación dinámica acelerada por SIMD
      ModoPuntuaciónMínimo
      Extremo a extremo−17−30.6
      Local8151.3

      Una lectura de 50 bases con una discrepancia (−6) y un hueco de 2 bases (−11). De extremo a extremo parte de 0; el modo local suma +2 por cada una de las 49 bases que coinciden. Ambos superan su mínimo, −0.6 − 0.6L y 20 + 8 ln L.

    DatoValor
    ÍndiceÍndice FM (unos 3.2 GB para el genoma humano)
    SemillasFijas, 20–22 bases, sin discrepancias
    ConfianzaCalidad de mapeo (MAPQ)
    Ideal paraLecturas de unas 50 a unos pocos cientos de bases

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202610 / 15

  11. Alinear muchas · 1 de 2

    CLUSTALW

    El alineamiento múltiple progresivo clásico

    1. 1Medir distanciasCada par alineado, por k-tuplas o alineamiento completo
      AGATTACAGCABGATTACTGCACGACTTCAGGADGACTTCTGGT
      ABC
      B0.1
      C0.30.4
      D0.50.40.2

      La distancia es 1 − identidad: A y B difieren en 1 de 10 posiciones, así que 0.1.

    2. 2Construir un árbol guíaLa unión de vecinos ordena las secuencias
      ABCD

      La unión de vecinos sobre esas distancias empareja A con B y C con D; la raíz va en el punto medio del camino más largo.

    3. 3Alinear a lo largo del árbolPerfiles ponderados, penalizaciones de hueco específicas de posición
      AGATTACAGCA1BGATTACTGCA1CGACTTCAGGA2DGACTTCTGGT2

      N coincidencia

      Se unen en el orden del árbol: 1 A con B, 2 C con D y 3 los dos perfiles entre sí.

    DatoValor
    ÍndiceNinguno (distancias entre todos los pares)
    SemillasNinguna (en su lugar, un árbol de distancias)
    ConfianzaNinguna
    Ideal paraConjuntos pequeños, docencia, reproducir trabajos antiguos

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202611 / 15

  12. Alinear muchas · 2 de 2

    Clustal Omega

    Alineamiento múltiple escalable, HMM de perfil contra HMM de perfil

    1. 1Incrustar las secuenciasmBed: distancias a unas log N secuencias de referencia
      S1GATTCAGC0, 0.5S2GATTCTGC0.29, 0.5S3GACTCAGC0.29, 0.33S4GTCTAGC0.5, 0S5GTCTATC0.67, 0.33S6GTCTAGG0.67, 0.17

      Cada secuencia se convierte en sus distancias a n = 2 secuencias de referencia, S1 y S4: 6 × 2 = 12 distancias en lugar de los 15 pares. Aquí la distancia es la proporción de palabras de 2 letras no compartidas, una medida de ejemplo.

    2. 2Agrupar en un árbolK-means o UPGMA, O(N log N)
      S1S2S3S4S5S6

      UPGMA sobre esos vectores pone S1–S3 en un grupo y S4–S6 en el otro.

    3. 3Alinear HMM con HMMHHalign en cada nodo; iteración opcional
      S1GATTCAGCS2GATTCTGCS3GACTCAGCS4GTCT-AGCS5GTCT-ATCS6GTCT-AGG

      - hueco

      Cada grupo es un perfil; los dos se alinean columna a columna y se abre un hueco en la columna 5 del segundo.

    DatoValor
    ÍndiceNinguno (vectores mBed)
    SemillasNinguna (en su lugar, un árbol agrupado)
    ConfianzaNinguna
    Ideal paraDe conjuntos pequeños a muy grandes; más de 190,000 secuencias en la prueba de sus autores

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202612 / 15

  13. Comparación

    Siete herramientas, lado a lado

    La MAPQ es una puntuación de calidad de mapeo, no un valor E.

    HerramientaTareaÍndiceSemillaConfianza
    BLASTNBúsquedaTabla de palabras de la consultaPalabra exacta, 11 o 28Valor E
    BLATBúsqueda11-meros del genoma en memoriaDos 11-merosPuntuación, identidad
    LASTBúsquedaVector de sufijosAdaptativaValor E, EG
    BWA-MEMMapear lecturasÍndice FMSMEM, 19 o másMAPQ
    Bowtie2Mapear lecturasÍndice FMFija, 20–22MAPQ
    CLUSTALWAlinear muchasNingunaNingunaNinguna
    Clustal OmegaAlinear muchasNingunaNingunaNinguna

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202613 / 15

  14. Elegir

    ¿Cuál uso?

    Lecturas de la comparación, no clasificaciones.

    Su situaciónHerramienta sugerida
    Lecturas cortas, de unas 50 a unos pocos cientos de basesBWA-MEM / Bowtie2
    Lecturas largas o contigs ensambladosBWA-MEM, o LAST con last-train
    ARNm en su propio genoma con un 95% o más de identidadBLAT
    Homólogos divergentes que necesitan valores EBLASTN
    Genomas enteros con muchas repeticionesLAST
    Alineamiento múltiple de muchas secuenciasClustal Omega

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202614 / 15

  15. Conclusiones

    Primero la tarea, después la herramienta

    • Las herramientas de búsqueda difieren sobre todo en sus semillas.
    • Los mapeadores indexan la referencia una vez y después hacen pasar las lecturas por ella.
    • Para alineamiento múltiple, Clustal Omega antes que CLUSTALW, salvo que haya que reproducir un trabajo antiguo.

    Tómese con cautela

    Los valores por defecto cambian entre versiones, y todas las cifras de velocidad son de los propios desarrolladores, de 1990 a 2013.

    Siete alineadores de secuencias · fuentes consultadas el 17 de octubre de 202615 / 15

  • W. J. Kent, BLAT (Genome Research, 2002, PMC)
  • S. M. Kiełbasa y colaboradores, semillas adaptativas (Genome Research, 2011, PMC)
  • documentación de LAST (lastal, valores E, esquemas de siembra, lastdb, last-train, recetario) y etiquetas del repositorio, GitLab
  • M. Hamada y colaboradores, last-train (Bioinformatics, 2017, PubMed)
  • A. M. Shrestha y M. C. Frith, lecturas pareadas (Bioinformatics, 2013, PubMed)
  • M. C. Frith y R. Kawaguchi, alineamiento dividido (Genome Biology, 2015, PMC)
  • H. Li, BWA-MEM (arXiv, 2013), página de manual de bwa y versión 0.7.19, GitHub
  • manual y NEWS de Bowtie 2, GitHub
  • B. Langmead y S. L. Salzberg, Bowtie 2 (Nature Methods, 2012, PMC)
  • S. F. Altschul y colaboradores, BLAST (Journal of Molecular Biology, 1990, PubMed) y gapped BLAST (Nucleic Acids Research, 1997)
  • C. Camacho y colaboradores, BLAST+ (BMC Bioinformatics, 2009, PMC)
  • código fuente de BLAST del NCBI C++ Toolkit, GitHub
  • directorio de descargas de BLAST+ del NCBI
  • navegador genómico de la UCSC, preguntas frecuentes de BLAT, especificación de BLAT y guía de usuario
  • J. D. Thompson, D. G. Higgins y T. J. Gibson, CLUSTAL W (Nucleic Acids Research, 1994)
  • F. Sievers y colaboradores, Clustal Omega (Molecular Systems Biology, 2011, PMC)
  • F. Sievers y D. G. Higgins, el paquete Clustal Omega (Methods in Molecular Biology, 2021, PubMed). Consultadas el 17 de octubre de 2026.

Fiable

Fiable, pero con interesesDigna de crédito y fiableDébil en ambas, y usada con cautelaHonesta, pero endeble

Digna de crédito

Cada punto es una fuente utilizada, situada por dos juicios en una escala de seis pasos. Los puntos no llevan nombre: el gráfico muestra la forma de las pruebas, no un veredicto sobre ninguna editorial.

Versiones

Este documento se reescribe cuando lo que dice tiene que cambiar. Cada versión sigue publicada en su propia dirección.

  1. v0002 actual
  2. v0001 reemplazada

La versión actual también está en latest/.