Tratopedia
側 NBM
設定

文字大小

佈景

高對比

中文排版

豎排會把內文排成由右至左的直行,如同台灣的實體書籍。

版本

v1.230.2

本頁建置時的版本編號,也是 service worker 快取所依據的版本。

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。

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。

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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 2013年Shrestha 與 Frith 發表成對讀段的機率方法,實作於 LAST。
  10. 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。
  11. 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。
  12. 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。
  13. 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。
  14. 2025年3月22日BWA 0.7.19 發布(GitHub,UTC 日期)。
  15. 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。
  16. 2026年2月16日Bowtie2 2.5.5 發布。
  17. 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。

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?

    BLASTN · BLAT · LAST

    • 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?

    BWA-MEM · Bowtie2

    • 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?

    CLUSTALW · Clustal Omega

    • 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。

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-dropblastn +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·kE 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
Bowtie2SIMD 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。

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

    最擅長:每個命中都有 E 值;預設任務從近乎相同(megablast)到跨物種(dc-megablast)與短查詢都有。

    • 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。
  • BLAT

    把 mRNA、cDNA 或序列定位到同物種基因體

    最擅長:對近乎相同序列速度快,且一次給出顯示外顯子結構的剪接比對。

    • 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

    最擅長:重複序列多或組成特殊的基因體,以及從資料本身學得的參數。

    • 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

    最擅長:一個工具涵蓋各種讀段長度,自行選擇局部或端到端比對,並回報嵌合讀段。

    • 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

    最擅長:約50至數百鹼基的短讀段,記憶體用量適中,端到端或局部模式與預設組合都可明確指定。

    • 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

    最擅長:透明、文件完整的漸進式方法,間隙規則經手工調整。

    • 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

    最擅長:規模;作者測得其準確度接近較慢的一致性方法,並可對外部輪廓比對。

    • 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

  1. 序列比對 · 資料讀取於2026年10月17日

    序列比對工具解說

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

    比對策略比較1 / 15

  2. 總覽

    三種任務,七個工具

    本文的分組;各工具文件只描述自己。

    • 搜尋

      找出序列在資料庫或基因體中的相符處

      • BLASTN · BLAT · LAST
    • 讀段定位

      把數百萬條定序讀段放到參考基因體上

      • BWA-MEM · Bowtie2
    • 多序列比對

      把許多相關序列排成一個比對

      • CLUSTALW · Clustal Omega

    七種序列比對工具 · 資料讀取於2026年10月17日2 / 15

  3. 基礎觀念

    比對就是把相似的位置排在一起

    查詢 ACGTTGCAAT 對參考 ACCTTGCGAT:10個位置中8個相符,即相同度80%。

    • 局部

      只回報最相符的區段

      • BLASTN 與 LAST 屬於這種。
    • 端到端

      每個位置都要計入

      • Bowtie2 的預設;Clustal 工具做全長比對。
    • 間隙

      插入或缺失要付開啟加延伸的罰分

      • 稱為仿射間隙罰分。

    七種序列比對工具 · 資料讀取於2026年10月17日3 / 15

  4. 基礎觀念

    先找種子,再向兩側延伸

    BLASTN、BLAT、LAST、BWA-MEM 與 Bowtie2 都依此模式,差別主要在種子步驟;CLUSTALW 與 Clustal Omega 則改用導引樹。

    1. 1種子透過索引找到短精確相符
    2. 2串鏈把排在一起的種子分組
    3. 3延伸以動態規劃延伸每個種子
    4. 4計分保留分數夠高的比對

    七種序列比對工具 · 資料讀取於2026年10月17日4 / 15

  5. 種子

    各工具的種子策略

    種子越長越快但會漏掉弱相似;越短抓得越多但越費時。

    工具種子索引
    BLASTN精確字:28鹼基(megablast,預設)、11(blastn)查詢字表
    BLAT同一對角線上兩個完全相符的11-mer記憶體中的基因體11-mer
    LAST自適應:加長到稀有為止後綴陣列
    BWA-MEM超最大精確相符,至少19鹼基FM 索引
    Bowtie2固定,22鹼基(局部模式20)FM 索引

    七種序列比對工具 · 資料讀取於2026年10月17日5 / 15

  6. 搜尋 · 1/3

    BLASTN

    固定字長種子、X-drop 延伸,每個命中都有 E 值

    1. 1把查詢序列切成字28鹼基(megablast)或11(blastn)
      查詢GATCCTAGGCTTACGATCCTAGGCT1ATCCTAGGCTT2TCCTAGGCTTA3CCTAGGCTTAC4

      14個鹼基切出14 − 11 + 1 = 4個11字長的字,各依其在查詢序列中的位置存入查表(blastn 任務)。

    2. 2延伸每個命中先無間隙 X-drop,再有間隙
      查詢GATCCTAGGCTTACGATGCA目標GATCCTAGGCTCACGTCCAG

      N 種子N 相符N 錯配N 捨棄

      相符 +2、錯配 −3。延伸到第15個鹼基時達最高分25;分數落到19、比最高分低了超過 X = 5,延伸即停止,並退回到第15個鹼基。此處的 X 為示範值。

    3. 3計分並排序Karlin–Altschul 統計給出 E 值
      命中相符/錯配分數
      A14 / 125
      B13 / 123
      C11 / 022

      每個命中以 +2/−3 計分。E 值是隨機情況下預期分數不低於此的命中數,分數越高 E 值越小,因此排序相同。E 值高於10的命中不列出。

    項目內容
    索引查詢字查表
    種子11或28鹼基的精確字;短查詢為7
    可信度E 值與位元分數
    最適合需要統計的分歧 DNA

    七種序列比對工具 · 資料讀取於2026年10月17日6 / 15

  7. 搜尋 · 2/3

    BLAT

    為基因體建索引、掃描查詢序列:快速定位近乎相同的序列

    1. 1為基因體建索引不重疊的11-mer 常駐記憶體
      基因體TGGACCTAGCAATCGGTACCATTGGACCTAGCA1ATCGGTACCAT12

      22個鹼基的基因體以2個不重疊的11-mer 存入索引,而不是22 − 11 + 1 = 12個重疊的11-mer。數字為各自的起點。

    2. 2需要兩個命中同一對角線上兩個完全相符的11-mer
      CTGGACCTAGCAATCGGTACCATGTGGACCTAGCA−1ATCGGTACCAT−1

      N 種子

      查詢序列(最上一列)的每個11-mer 都拿去查索引。有兩個命中,且都在對角線 −1 上(基因體位置減查詢位置),於是這一區段進入比對。

    3. 3縫合區塊外顯子接成基因層級比對,調整剪接位點
      基因體ATGCCAGTAAGCAGGTTCGAmRNAATGCCA--------GTTCGA

      N 相符- 間隙

      兩個6鹼基的區塊跨越一個8鹼基的間隙接起來;間隙兩端為 GT…AG,符合典型剪接位點。

    項目內容
    索引記憶體中的基因體11-mer(約1 GB)
    種子兩個完全相符的11-mer
    可信度分數與相同度;預設輸出無 E 值
    最適合95%以上相似度的 mRNA 定位;UCSC 頁面所列最短長度為25或40鹼基

    七種序列比對工具 · 資料讀取於2026年10月17日7 / 15

  8. 搜尋 · 3/3

    LAST

    自適應種子,適合重複序列多的基因體與全基因體比較

    1. 1建立後綴陣列lastdb 為參考序列建一次索引
      ACG5ACGTACG1CG6CGTACG2G7GTACG3TACG4

      參考序列 ACGTACG 的7個後綴,排序後列出。數字為各後綴的起點;一次查找即可找到以某個種子開頭的所有後綴。

    2. 2加長自適應種子每個種子加長到在參考序列中夠稀有
      查詢ACGTTCA
      長度種子出現
      1A2
      2AC2
      3ACG2
      4ACGT1

      N 種子

      種子每次加長一個字母,直到在參考序列中出現不超過 m = 1 次:得到4個字母的種子。此處的 m 為示範值。

    3. 3延伸,再學習先無間隙再有間隙 X-drop;last-train 從資料學習比率
      參考TCACGTTGGATCAA查詢TGACGTTGGA-CTA

      N 種子N 相符N 錯配- 間隙

      核心是最長的連續相同段(8個字母),由它向兩側做有間隙的延伸。其中2個替換和1個缺失,正是 last-train 用來學習比率的那類差異。

    項目內容
    索引後綴陣列(lastdb)
    種子自適應,加長到稀有
    可信度E 值與 EG(每十億查詢字母的預期命中數)
    最適合重複序列多或分歧大的基因體

    七種序列比對工具 · 資料讀取於2026年10月17日8 / 15

  9. 讀段定位 · 1/2

    BWA-MEM

    以最大精確相符為種子;自動選擇局部或端到端

    1. 1找出最大精確相符至少19鹼基的 SMEM;過長者重新播種
      參考ACGTTAGCCATGGACTTGCAAT讀段ACGTTAGCCATGGACTTGCAGTACGTTAGCCATGGACTTGCA20AG2GT2

      N 種子N 相符N 錯配N 捨棄

      3個 SMEM 覆蓋整條讀段;數字為各自的長度。只有20鹼基的那個達到最短19的門檻而成為種子;沒有一個超過28,所以都不需重新播種。

    2. 2串鏈並延伸帶狀仿射間隙動態規劃加 Z-drop
      種子讀段參考長度
      A1–20101–12020
      B22–45121–14424
      C27–455001–501919

      A 與 B 在讀段和參考上順序一致,串成一條鏈。讀段多出的1個鹼基是一個間隙,罰分6 + 1 = 7;每個相符得1分,鏈的分數為44 − 7 = 37。C 的鏈落在同一段讀段範圍內,只得19分,因此被濾除。

    3. 3配對並輸出在插入片段範圍內救回配對;輸出 MAPQ
      搜尋範圍鹼基
      μ ± 4σ200–400

      插入片段平均值 μ 為300、離散 σ 為25(示範值)時,未定位的配對讀段在200–400內搜尋:位於350的會被救回,位於450的不會。MAPQ 採 Phred 尺度:30代表放錯位置的機率為1/1,000。

    項目內容
    索引FM 索引(bwa index)
    種子SMEM,至少19鹼基
    可信度定位品質(MAPQ)
    最適合70鹼基至數百萬鹼基的讀段或組裝片段

    七種序列比對工具 · 資料讀取於2026年10月17日9 / 15

  10. 讀段定位 · 2/2

    Bowtie2

    多個固定長度種子,再以 SIMD 加速延伸

    1. 1從讀段取種子22鹼基(局部模式20),取自讀段及其反向互補
      讀段TTGCATCCTAAGTCTAGCTTGATTGCATCCTA1CCTAAGTCTA7TCTAGCTTGA13

      種子長10、每隔6個鹼基取一個(示範值):22鹼基的讀段取出3個,反向互補序列再取3個。預設種子為22鹼基(局部模式20),在長度為 L 的讀段上每隔1 + 1.15√L 個鹼基取一個。

    2. 2查找種子FM 索引找出精確、無間隙的命中
      參考TTGCATCCGAAGTCTAGCTTGATTGCATCCTA0CCTAAGTCTA0TCTAGCTTGA1

      N 種子N 相符N 錯配

      種子必須完全相符(-N 0);數字為命中數。第9個鹼基的錯配使種子1和2落空,種子3找到1個命中。

    3. 3以 SIMD 延伸優先的命中以 SIMD 加速動態規劃延伸
      模式分數門檻
      端到端−17−30.6
      局部8151.3

      一條50鹼基的讀段,有1個錯配(−6)和1個2鹼基的間隙(−11)。端到端從0起算;局部模式為49個相符鹼基各加 +2。兩者都超過各自的門檻:−0.6 − 0.6L 與20 + 8 ln L。

    項目內容
    索引FM 索引(人類基因體約3.2 GB)
    種子固定,20–22鹼基,無錯配
    可信度定位品質(MAPQ)
    最適合約50至數百鹼基的讀段

    七種序列比對工具 · 資料讀取於2026年10月17日10 / 15

  11. 多序列比對 · 1/2

    CLUSTALW

    經典的漸進式多序列比對

    1. 1計算距離每對序列以 k-tuple 或完整比對求距離
      AGATTACAGCABGATTACTGCACGACTTCAGGADGACTTCTGGT
      ABC
      B0.1
      C0.30.4
      D0.50.40.2

      距離 = 1 − 相同度:A 與 B 在10個位置中有1個不同,所以是0.1。

    2. 2建立導引樹以鄰接法排定序列順序
      ABCD

      以上述距離做鄰接法,A 與 B 配成一對、C 與 D 配成一對;根放在最長路徑的中點。

    3. 3沿樹比對加權輪廓、位置特異的間隙罰分
      AGATTACAGCA1BGATTACTGCA1CGACTTCAGGA2DGACTTCTGGT2

      N 相符

      依導引樹的順序合併:1 A 與 B,2 C 與 D,3 再把兩個輪廓彼此比對。

    項目內容
    索引無(兩兩距離)
    種子無(改用距離樹)
    可信度無
    最適合少量序列、教學、重現舊結果

    七種序列比對工具 · 資料讀取於2026年10月17日11 / 15

  12. 多序列比對 · 2/2

    Clustal Omega

    可擴充的多序列比對,輪廓 HMM 對輪廓 HMM

    1. 1嵌入序列mBed:到約 log N 條參考序列的距離
      S1GATTCAGC0, 0.5S2GATTCTGC0.29, 0.5S3GACTCAGC0.29, 0.33S4GTCTAGC0.5, 0S5GTCTATC0.67, 0.33S6GTCTAGG0.67, 0.17

      每條序列變成它到 n = 2條參考序列(S1、S4)的距離:只需6 × 2 = 12個距離,而不是全部15對。此處的距離是不共有的2字母字所占比例,為示範用的量度。

    2. 2分群成樹K-means 或 UPGMA,O(N log N)
      S1S2S3S4S5S6

      以 UPGMA 對這些向量分群:S1–S3 為一群,S4–S6 為另一群。

    3. 3HMM 對 HMM 比對每個節點以 HHalign 比對;可選擇迭代
      S1GATTCAGCS2GATTCTGCS3GACTCAGCS4GTCT-AGCS5GTCT-ATCS6GTCT-AGG

      - 間隙

      每一群是一個輪廓;兩個輪廓逐欄對齊,第二個輪廓在第5欄開出一個間隙。

    項目內容
    索引無(mBed 向量)
    種子無(改用分群樹)
    可信度無
    最適合小型到超大型資料集;作者測試中超過19萬條序列

    七種序列比對工具 · 資料讀取於2026年10月17日12 / 15

  13. 綜合比較

    七個工具並排比較

    MAPQ 是定位品質分數,不是 E 值。

    工具任務索引種子可信度
    BLASTN搜尋查詢字表精確字,11或28E 值
    BLAT搜尋記憶體中的基因體11-mer兩個11-mer分數、相同度
    LAST搜尋後綴陣列自適應E 值、EG
    BWA-MEM讀段定位FM 索引SMEM,19以上MAPQ
    Bowtie2讀段定位FM 索引固定,20–22MAPQ
    CLUSTALW多序列比對無無無
    Clustal Omega多序列比對無無無

    七種序列比對工具 · 資料讀取於2026年10月17日13 / 15

  14. 選擇建議

    如何選擇

    以下為依比較所作的推論,不是排名。

    你的情況建議工具
    短讀段,約50至數百鹼基BWA-MEM / Bowtie2
    長讀段或組裝片段BWA-MEM,或 LAST 搭配 last-train
    同物種、95%以上相似度的 mRNABLAT
    需要 E 值的分歧同源序列BLASTN
    重複序列多的全基因體LAST
    大量序列的多序列比對Clustal Omega

    七種序列比對工具 · 資料讀取於2026年10月17日14 / 15

  15. 重點

    先看任務,再選工具

    • 搜尋工具的差別主要在種子。
    • 讀段定位工具先為參考序列建一次索引,再讓讀段依序通過。
    • 多序列比對選 Clustal Omega 而非 CLUSTALW,除非要重現舊結果。

    應保留看待

    預設值會隨版本改變,所有速度數字都出自開發者本身,年代為1990至2013年。

    七種序列比對工具 · 資料讀取於2026年10月17日15 / 15

  • 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

可靠,但有立場又可信又可靠兩者皆弱,謹慎採用立場可信,但材料薄弱

值不值得相信

每一點代表一項採用的來源,依兩項判斷置於六級量尺上。點不具名:本圖呈現的是證據的樣貌,而非對任何出版者的評價。

版本

本文內容需要更動時即改寫為新版本,每個版本都保留在自己的網址。

  1. v0002 目前
  2. v0001 已被取代

目前版本也位於 latest/。