序列比對 · 生物資訊學 · 分析軟體 · 比較資料讀取於2026年10月17日
DNA 與蛋白質序列如何對齊
七種序列比對工具,三種任務
BLASTN、BLAT、LAST、BWA-MEM、Bowtie2、CLUSTALW 與 Clustal Omega 常被一起稱為「比對工具」,但它們回答的是三個不同的問題:三個工具搜尋一條序列在哪裡與另一條相似;兩個把數以百萬計的定序讀段放到參考基因體上;兩個同時對齊許多相關序列。各組之內的差異,取決於為什麼建立索引、最初的短相符片段(「種子」)如何選取,以及可信度如何表示。本文依各工具自己的論文、手冊與原始碼逐一閱讀,最後說明哪個工具適合哪種任務。
事實
每個工具已確立的事實,以及確立的程度 每一項先標明確立程度;2026年10月17日讀自各工具自己的論文、手冊與原始碼。
- 3七個工具所做的不同任務:局部搜尋、讀段定位、多序列比對
- 399 → 0.1500鹼基查詢序列在30億鹼基基因體上的隨機命中數:一個14-mer 種子對比兩個11-mer(Kent,2002)
- 19 ntBWA-MEM 預設的最短種子長度
- 190,000+Clustal Omega 作者2011年測試中,單一處理器數小時內比對的序列數
| 確立程度 | 內容 | 出處 |
|---|---|---|
| 已確認:現行文件或程式碼 | BLASTN 以查詢序列的「字」建立查表。預設任務為 megablast,字長28;blastn 任務為11,blastn-short 為7,dc-megablast 則是在18個位置的模板中取11個相符位置。 | BLAST+ 原始碼;Camacho 等,2009 |
| 已確認:現行文件或程式碼 | BLAT 把目標基因體不重疊的11-mer 建索引放在記憶體;DNA 需兩個完全相符的11-mer 命中才開始比對。預設輸出(PSL)給分數與相同度,不給 E 值。 | Kent,2002;UCSC BLAT 規格說明 |
| 已確認:現行文件或程式碼 | LAST 以後綴陣列為參考序列建索引,並把每個種子加長到在參考序列中出現不超過 m 次為止。輸出 E 值與 EG(每十億查詢字母的預期命中數)。 | LAST 文件 |
| 已確認:現行文件或程式碼 | BWA-MEM 以至少19鹼基的超最大精確相符為種子,過長者重新播種,以帶狀動態規劃延伸,並自行在局部與端到端比對之間選擇。輸出定位品質(MAPQ)。 | Li,2013;bwa 手冊 |
| 已確認:現行文件或程式碼 | Bowtie2 在人類基因體約3.2 GB 的 FM 索引中查找22鹼基(局部模式20鹼基)的固定種子,以 SIMD 加速的動態規劃延伸;預設端到端比對,輸出 MAPQ。 | Bowtie2 手冊;Langmead 與 Salzberg,2012 |
| 已確認:方法論文 | CLUSTALW 先兩兩比對求距離,以鄰接法建立導引樹,再沿樹漸進比對,並採用序列加權、依分歧度切換的矩陣與位置特異的間隙罰分。 | Thompson、Higgins 與 Gibson,1994 |
| 已確認:方法論文 | Clustal Omega 以 mBed 建立導引樹,時間為 O(N log N) 而非 O(N²),並以 HHalign 比對輪廓隱馬可夫模型。 | Sievers 等,2011 |
| 開發者自己的評測 | BLAT 比2002年的 mRNA/DNA 工具「快500倍」;自適應種子約10分鐘達到67%敏感度,固定種子需500分鐘;BWA-MEM 在650鹼基讀段上約為 Bowtie2 的6倍快;Clustal Omega 在 BAliBASE 得分0.554,耗時9分鐘。 | 各工具自己的論文 |
| 來源說法不一 | BLAT 的 DNA 最短查詢長度:UCSC 常見問答寫95%相似度、40鹼基以上;UCSC 基因體瀏覽器使用指南寫25鹼基,並稱可找到32鹼基、有時22鹼基的完全相符。 | UCSC BLAT 常見問答;UCSC 基因體瀏覽器使用指南 |
已有定論的部分
每個工具如何建索引、選種子、延伸與報告結果,都明載於其文件、程式碼或方法論文。
屬於開發者說法的部分
所有速度與準確度數字都出自各工具作者,所用硬體、資料與比較對象都是1990至2013年的。
時序
比對工具的三十六年 論文依期刊卷期或張貼日期;版本依各專案自己的紀錄。
- 1990年Altschul 等人發表 BLAST:近似求出使局部相似度分數最大的比對,並為其給出統計顯著性。
- 1994年11月11日Thompson、Higgins 與 Gibson 發表 CLUSTAL W:序列加權、依分歧度切換矩陣、位置特異的間隙罰分。
- 1997年9月1日Gapped BLAST 與 PSI-BLAST:新的字命中延伸觸發條件與有間隙比對啟發法,蛋白質比對速度約為原版的三倍。
- 2002年4月Kent 發表 BLAT:為基因體而非查詢序列建立索引,並把外顯子縫合成基因層級的比對。
- 2009年12月15日Camacho 等人說明 BLAST+,以「任務」為各類搜尋設定字長與計分。
- 2011年3月Kiełbasa、Frith 等人發表自適應種子與 LAST:依稀有程度選種子,使執行時間隨序列長度線性而非平方成長。
- 2011年10月11日Sievers 等人發表 Clustal Omega:mBed 導引樹與 HHalign,測試達5萬條序列。
- 2012年3月4日Langmead 與 Salzberg 發表 Bowtie 2:先以 FM 索引找種子,再以 SIMD 加速做有間隙延伸。
- 2013年Shrestha 與 Frith 發表成對讀段的機率方法,實作於 LAST。
- 2013年5月26日Li 張貼 BWA-MEM 預印本第2版:SMEM 種子、重新播種、串鏈與 Z-drop 延伸,適用70鹼基到數百萬鹼基。
- 2015年Frith 與 Kawaguchi 發表基因體分割比對,不遮蔽重複序列反而提高準確度。
- 2017年Hamada、Frith 等人發表 last-train,從待比對的資料學習取代與間隙分數。
- 2021年Sievers 與 Higgins 的操作章節:Clustal Omega 可處理數萬條 DNA/RNA 或蛋白質序列。
- 2025年3月22日BWA 0.7.19 發布(GitHub,UTC 日期)。
- 2025年7月BLAST+ 2.17.0:NCBI 下載目錄列為最新版,檔案日期為7月1日。
- 2026年2月16日Bowtie2 2.5.5 發布。
- 2026年8月3日LAST 標記為1654版,為讀取當日其程式庫中的最新版本。
無法定出日期的事。BLAT 的現行版本、Clustal Omega 的現行版本與 CLUSTALW 的最後版本:所讀來源都沒有給出日期,Clustal Omega 官網也拒絕了請求。本頁所列預設值依據現行文件與程式碼,不一定與論文發表時相同。
論點
三種任務;每種任務之內,索引與種子決定一切 每個來源只描述自己的工具;分組是本文對它們的推論。
搜尋
這條序列在哪裡與那條相似?
- 局部比對:只回報最相符的區段。
- BLASTN 為查詢序列建索引並掃描資料庫;BLAT 與 LAST 為資料庫建索引並掃描查詢序列。
讀段定位
每條讀段來自基因體的哪個位置?
- 參考序列以 FM 索引建立一次;數以百萬計的讀段依序通過。
- 支援成對讀段,結果附定位品質。
多序列比對
這些相關序列要怎麼一起對齊?
- 沒有索引也沒有種子:由距離建立導引樹,序列沿樹逐步加入。
- 每條序列的每個位置都要排入,從頭到尾。
| 工具 | 建索引的對象 | 種子 |
|---|---|---|
| BLASTN | 查詢序列的字,放入查表;掃描資料庫 | 精確字:28鹼基(megablast,預設)、11(blastn)、7(blastn-short);dc-megablast 為間隔種子 |
| BLAT | 目標基因體不重疊的11-mer,常駐記憶體 | 同一對角線上兩個完全相符的11-mer(DNA) |
| LAST | 參考序列的後綴陣列 | 自適應:每個種子加長到出現不超過 m 次 |
| BWA-MEM | 參考序列的 FM 索引 | 超最大精確相符,至少19鹼基;過長者重新播種 |
| Bowtie2 | 參考序列的 FM 索引 | 固定精確種子22鹼基(局部模式20),間距依讀段長度 |
| CLUSTALW | 無;兩兩比對求距離 | 無;改用鄰接法導引樹 |
| Clustal Omega | 無;每條序列轉為一個短的距離向量(mBed) | 無;改用分群建立的導引樹 |
種子規則為何重要。種子是透過索引快速找到的短精確相符;只有被種子命中的區域才進入費時的比對步驟,所以種子規則同時決定速度與會漏掉什麼。Kent 在2002年為 BLAT 算過:要找到99%相似度95%、長100鹼基的區域,單一完全相符種子必須不長於14鹼基;在30億鹼基的基因體上,每條500鹼基查詢會有399個隨機區域被送去比對;改用兩個完全相符的11-mer,只剩0.1個。LAST 的做法不同:不固定長度,而是把每個種子加長到足夠稀有。其開發者在人類與小鼠 X 染色體之間測得自適應種子產生7.77億個相符,固定13鹼基種子則為220億個,並主張自適應種子以32鹼基種子的執行時間,達到13鹼基種子的敏感度。
- 399隨機區域,單一14-mer 種子
- 0.1隨機區域,兩個11-mer 種子
推論
推論。首先要決定的是任務,不是工具。在搜尋類,速度與敏感度的取捨主要由種子決定;在讀段定位類,取決於如何在 FM 索引中找種子與延伸;在多序列比對類,取決於導引樹怎麼建。
補充
延伸、計分,以及數字的意義 能取得時依各工具現行手冊或程式碼,否則依方法論文。
| 工具 | 延伸 | 預設計分 | 可信度表示 | 典型輸入 |
|---|---|---|---|---|
| BLASTN | 先無間隙、再有間隙的 X-drop | blastn +2/−3,間隙5+每鹼基2;megablast +1/−2,線性間隙;預設過濾低複雜度序列 | E 值與位元分數(預設門檻10) | 查詢序列對資料庫 |
| BLAT | 比對成簇區域、縫合區塊、回頭找小外顯子與剪接位點 | 相符減錯配減間隙罰分;最低分30,最低相同度90% | 分數與相同度;預設輸出不含 E 值 | mRNA 或 DNA,最長20萬鹼基 |
| LAST | 先無間隙,再從核心區做有間隙 X-drop | 矩陣或相符/錯配分數,或由 last-train 學得;間隙 a + b·k | E 與 EG;預設只回報每百萬查詢字母隨機出現不超過一次的相似 | 從讀段到整個基因體 |
| BWA-MEM | 帶狀仿射間隙動態規劃加 Z-drop;救回配對讀段 | 相符1、錯配4、開間隙6、延伸1、裁切5 | 定位品質(MAPQ) | 70鹼基至數百萬鹼基 |
| Bowtie2 | SIMD 加速的動態規劃 | 端到端:錯配依鹼基品質最高罰6,讀段間隙5+每鹼基3;局部模式加相符獎勵2 | 定位品質(MAPQ) | 約50至數百鹼基的讀段 |
| CLUSTALW | 在導引樹每個節點做完整的輪廓對輪廓動態規劃 | 依分歧度切換矩陣;殘基與位置特異的間隙罰分 | 比對本身不附可信度 | 少量相關序列 |
| Clustal Omega | 每個節點以輪廓隱馬可夫模型對輪廓 HMM(HHalign) | 輪廓 HMM;可用外部輪廓引導比對 | 比對本身不附可信度 | 數萬條 DNA、RNA 或蛋白質序列 |
E 值與 MAPQ 回答的是不同的問題。BLASTN 與 LAST 回報的是:在相同長度的隨機序列之間,出現這麼好的分數的頻率;適合任何命中都可能只是巧合的搜尋。BWA-MEM 與 Bowtie2 回報的是以 Phred 尺度表示、讀段被放錯位置的可能性;適合假定讀段來自該基因體、但可能符合好幾處的情況。BLAT 預設輸出給的是相符數與相同度,適合近乎相同序列的定位。多序列比對工具完全不提供單次比對的數字:其品質以基準測試集評估,而其作者自己也說這些測試集「嚴重偏向單一結構域的球狀蛋白」。這些數字彼此無法換算。
重複序列、記憶體與長讀段。BLAT 不把出現過於頻繁的11-mer 放入索引;其伺服器索引在未遮蔽 DNA 上約1 GB。LAST 的自適應種子讓基因體比較只需少量或不需遮蔽重複序列,但作者仍建議遮蔽簡單重複;其基因體分割比對「因不遮蔽重複序列而更準確」。其索引大小隨種子方案而變:最敏感的 MAM8 對哺乳動物基因體約需50 GB,RY 方案則只在部分位置取種子以節省時間與記憶體。對插入與缺失錯誤多的長讀段,LAST 自己的操作手冊先以 last-train 訓練參數,再為每條讀段的每一部分保留一個最佳比對;last-train 作者表示它提升了三種定序平台讀段的準確度,並減少奈米孔讀段的參考偏差。BWA-MEM 涵蓋70鹼基到數百萬鹼基;作者指出短讀段的瓶頸在找種子,長讀段的瓶頸在帶狀比對。Bowtie2 的人類基因體 FM 索引約佔3.2 GB。
- ~1 GBBLAT 伺服器索引,未遮蔽 DNA
- ~3.2 GBBowtie2 索引,人類基因體
- ~50 GBLAST 用 MAM8 種子,哺乳動物基因體
當年的評測
BLAT 快500倍是相對2002年的工具;Bowtie2 在2012年的記憶體比較對象是原始 BWA,比 BWA-MEM 早一年;BWA-MEM 比 Bowtie2 快6倍是在650鹼基讀段上,100鹼基讀段兩者相近。每個數字都出自作者自己。
Clustal Omega 與一致性方法
其作者在 BAliBASE 上測得 Clustal Omega 欄位正確率0.554,耗時9分鐘;Probcons、T-Coffee 等一致性方法達0.55至0.61,耗時25分鐘至22小時;Clustal W 是受測程式中最弱的。
結論
哪個工具適合哪種任務 每個工具一張卡:適合誰、最擅長什麼、代價是什麼。
BLASTN
在資料庫中尋找相關序列,並附統計數字
- 預設任務是近乎相同的那種;序列分歧較大時要特意改用
blastn或dc-megablast。 - 代價:每條查詢都要掃描資料庫,在全基因體或數百萬讀段的規模下很慢。
- 預設任務是近乎相同的那種;序列分歧較大時要特意改用
BLAT
把 mRNA、cDNA 或序列定位到同物種基因體
- 設計目標為相似度95%以上的 DNA、80%以上的蛋白質。
- 代價:會漏掉分歧大的相似、跨越剪接位點的短序列,且預設不給 E 值。
LAST
全基因體比較,或錯誤特性未知的讀段
- 自適應種子、分割比對、E 值,且 DNA 對蛋白質、DNA 對 DNA 都能做。
- 代價:記憶體需求隨種子方案增加,成對讀段要另外處理,不是內建。
BWA-MEM
定位70鹼基至數百萬鹼基的讀段或組裝片段
- 成對讀段依插入片段長度分布救回與計分。
- 代價:它回答讀段屬於哪裡,而非相似是否顯著;作者測試中的速度優勢出現在長讀段。
Bowtie2
把短讀段定位到大型基因體
- 支援一致、不一致與混合配對,計分考量鹼基品質。
- 代價:設計對象為數百鹼基以內的讀段;在650鹼基讀段上,BWA-MEM 作者測得它約慢6倍。
CLUSTALW
重現舊分析,或教授漸進式比對
- 其方法與間隙規則在1994年的論文中完整說明。
- 代價:在後繼者的評測中最弱,建樹需 O(N²),所有序列兩兩相同度低於約25–30%時不可靠。
Clustal Omega
任何規模的多序列比對,從幾條到數萬條
- 可處理 DNA、RNA 與蛋白質;序列數接近1,000以上時迭代效益最明顯。
- 代價:在多為小型測試集的 BAliBASE 上,最佳的一致性方法得分略高(最高0.61,對0.554),但耗時長得多。
應保留看待的部分
預設值會隨版本改變;以上是2026年10月17日所讀文件與程式碼的預設值。所有速度數字都出自開發者本身,年代為1990至2013年,也沒有找到涵蓋七個工具的獨立評測。
- 推論。短讀段對參考基因體:BWA-MEM 或 Bowtie2;兩者都要先為參考序列建索引。
- 推論。較長讀段或組裝片段:BWA-MEM;插入缺失錯誤多的長讀段,用 LAST 搭配
last-train。 - 推論。高相似度、同物種的 mRNA 或 cDNA 定位:BLAT。
- 推論。需要 E 值的分歧同源序列:BLASTN,選用
blastn或dc-megablast任務。 - 推論。全基因體,尤其重複序列多者:LAST。
- 推論。多序列比對:Clustal Omega;需重現舊結果時用 CLUSTALW。
快速筆記
- W. J. Kent,BLAT(《Genome Research》,2002,PMC)
- S. M. Kiełbasa 等,自適應種子(《Genome Research》,2011,PMC)
- LAST 文件(lastal、E 值、種子方案、lastdb、last-train、操作手冊)與版本標記,GitLab
- M. Hamada 等,last-train(《Bioinformatics》,2017,PubMed)
- A. M. Shrestha 與 M. C. Frith,成對讀段(《Bioinformatics》,2013,PubMed)
- M. C. Frith 與 R. Kawaguchi,分割比對(《Genome Biology》,2015,PMC)
- H. Li,BWA-MEM(arXiv,2013)、bwa 手冊頁與0.7.19版,GitHub
- Bowtie 2 手冊與 NEWS,GitHub
- B. Langmead 與 S. L. Salzberg,Bowtie 2(《Nature Methods》,2012,PMC)
- S. F. Altschul 等,BLAST(《Journal of Molecular Biology》,1990,PubMed)與 gapped BLAST(《Nucleic Acids Research》,1997)
- C. Camacho 等,BLAST+(《BMC Bioinformatics》,2009,PMC)
- NCBI C++ Toolkit BLAST 原始碼,GitHub
- NCBI BLAST+ 下載目錄
- UCSC 基因體瀏覽器 BLAT 常見問答、BLAT 規格說明與使用指南
- J. D. Thompson、D. G. Higgins 與 T. J. Gibson,CLUSTAL W(《Nucleic Acids Research》,1994)
- F. Sievers 等,Clustal Omega(《Molecular Systems Biology》,2011,PMC)
- F. Sievers 與 D. G. Higgins,Clustal Omega 套件(《Methods in Molecular Biology》,2021,PubMed)。讀取於2026年10月17日。
可不可靠
值不值得相信
共享主題
- 六個單細胞分析平台比較分析軟體 · 生物資訊學
- 決定單細胞實驗看見什麼的那些過濾條件生物資訊學
- 長讀長時代的小變異偵測生物資訊學
共享來源網域
- Avalanche 的 RWA 熱潮——為何 AVAX 不必跟著漲github.com · githubusercontent.com
- 一套系統、五個名字,層次卻沒有共識arxiv.org · github.com
- 給足,還是給少?情境工程一週內兩種說法都有了arxiv.org · github.com
- 起初只是調校一個代理,到了三月,它指的是模型以外的一切arxiv.org · github.com
- 同一個詞被命名了兩次,相隔兩週——贏的是那個玩笑arxiv.org · github.com
- Dorado v4 到 v6——改了什麼、改了多少、值不值得github.com · nih.gov
- 四十三年,是上個月的價格github.com · githubusercontent.com
- 進食順序——先菜後澱粉nih.gov
- 衣物黑點黑漬 — 辨識與清除指南nih.gov
- Claude Mythos Preview 的 AISI 資安能力評估arxiv.org
- Claude Code 品質問題事後報告 — 三項獨立變更github.com
- 生醫基礎模型的崛起 — 220 個模型的全景分析nih.gov
- 本機 LLM 與 Mac 採購 — 完整技術報告github.com
- 每日 90 億次請求,搬家時一個檔案都沒有重建github.com
- Grok Build 將整個儲存庫上傳至 xAI 雲端github.com
- 以 AI 發現密碼學弱點——對照官方論文重讀arxiv.org
- 跨平台交換空間 — 先壓縮,後落盤githubusercontent.com
- AI 推理軌跡:加密,而非隱藏arxiv.org
- 技巧搬進了模型,寫作留了下來arxiv.org
- 大家都說你該去寫迴圈,卻沒有人同意迴圈是什麼arxiv.org
- harness 已上架,治理層還沒arxiv.org
- 多元之愛的詞彙,以及那個無人能定年的詞nih.gov
- 電子,精確到十三位數arxiv.org
- 四個輕子異常,只有一個存活arxiv.org
- 六種輕子,一個為兩種而造的詞arxiv.org
- 十九個數字,四力其三arxiv.org
- 不可切分之物,被切了三次arxiv.org
- 把大量讀取分流給更便宜的模型——那 90% 究竟砍掉了什麼github.com
- 臨終者,而非遺族nih.gov
- 顏色就是維生素本身nih.gov
- 沒有人找到的那個開關nih.gov
- 太陽殺不死牠們nih.gov
- 東亞與東南亞的乳製品nih.gov
- 六個單細胞分析平台比較github.com
- 長讀長時代的小變異偵測nih.gov
- REST、SOAP、gRPC、GraphQL 與 MCP:看誰來呼叫github.com