Tratopedia
BM
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。

簡報

返回

七種序列比對工具,三種任務

七種常用序列比對工具其實做三種事:BLASTN、BLAT、LAST 做局部相似性搜尋,差別主要在種子;BWA-MEM、Bowtie2 把讀段定位到已建索引的基因體;CLUSTALW 與 Clustal Omega 做多序列比對,後者可處理的規模大得多。

  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