BLAST原理与种子延伸

更新：2026-10-13；状态：可用；验证范围：合成数据实测。

BLAST 是序列局部相似性检索的启发式方法族；理解种子、延伸和统计评估比只记命令更重要。

搜索为什么可以更快

先把查询分成短词，查找可能的种子命中，再向周围延伸高分区域，最后整理和统计评估候选比对。蛋白检索可依据替换矩阵生成相近词，不限于完全相同的片段。不同 BLAST 程序、任务与历史版本并非一套完全相同的实现。

X-drop 延伸在当前得分落后于已见最佳得分超过给定幅度时停止；应保存最佳端点，而非停止位置。种子长度和筛选影响速度与敏感性，不能认为启发式结果总与Smith-Waterman局部比对一致。

教学实现的范围

教学代码实现完全匹配短词索引、无空位双向延伸、X-drop 和重复区间去重。人工字符串 ABCD 对 XXABCDYY 找到得分 8；ABCD 对 AXCY 没有长度 2 的精确种子，却能由动态规划得到正分局部比对。这一反例展示漏检来源。

代码没有实现蛋白邻近词、双命中触发、仿射空位、低复杂度处理、反向互补、数据库并行和 E-value 统计。因此它是理解一个搜索思路的可运行练习，不能代替 BLAST+ 或用于正式注释结论。

怎样读检索结果

E-value 是在相应模型、评分及搜索空间下，期望出现的达到该得分的随机匹配数量；它不是同源关系为假的概率。结合 identity、覆盖率、比对长度和数据库版本读结果，见比对相似性同源性与覆盖率。

实际工具使用见BLAST本地检索实践。深入：1990 年 BLAST 论文、1997 年 Gapped BLAST 论文、NCBI 得分统计教程。