seqkit根据基因id_使用igblast进行免疫组库分析

前面我带领大家通过IMGT数据库认知免疫组库，而且也一起从IMGT数据库下载免疫组库相关fasta序列，免疫组库重要的研究对象就是分成BCR的IGH,IGK,IGL这3类，以及TCR的TRA,TRB,TRD,TRG，它们各自都有V，D(可选)，J，C基因。

接下来又认识了免疫组库测序数据，知道了免疫组库测序数据的一些特性，现在就面临免疫组库数据分析流程的搭建啦，这个其实非常复杂， 今天我只能勉强介绍一下使用igblast进行免疫组库分析，希望大家能跟上来。其实igblast这个软件早在六年前我就介绍过，差不多是重新看着自己的教程，一点一滴复现了一遍。真的要吹爆生信技能树和生信菜鸟团教程，极大的便利了生信工程师的工作。

igblast因为是ncbi出品，所以在免疫组库分析领域还算是使用频率较高的，值得注意的是igblast软件虽然下载即可使用，但是软件用法超级复杂，软件输出的结果文件需要耗费至少五六个小时去理解。

首先看看网页版igblast

简单的复制粘贴一条免疫组库测序数据以FASTA格式粘贴到网页的输入框即可，默认的物种是人类：

TGTGCCAGCAGCTTGGCCCGAGAAGGGATTGAAAACACCATATATTTT

我们这里仍然是使用在前面我们认识的免疫组库测序数据，是人类的，MiSeq测序仪，PE300测序策略，TRB，DNA测序，进行示范。

因为是TRB，所以选择

Database: imgt.TR.Homo_sapiens.V.f.orf.p; imgt.TR.Homo_sapiens.D.f.orf;

imgt.TR.Homo_sapiens.J.f.orf.p

376 sequences; 82,149 total letters

输出结果如下：

因为我们输入的碱基序列只有48个碱基，所以比对结果里面，对V基因来说，TRBV5-401,TRBV5-501的得分是一样的。然后最重要的是CDR3序列，包括核苷酸序列和氨基酸序列。

软件安装及数据库文件准备

首先是软件，因为是二进制，所以下载解压即可使用

mkdir -p ~/biosoft/igblast

cd ~/biosoft/igblast

# 软件是39M，下载速度可能会比较慢

wget -c ftp://ftp.ncbi.nih.gov/blast/executables/igblast/release/1.9.0/ncbi-igblast-1.9.0-x64-linux.tar.gz

tar -xzf ncbi-igblast-