NCBI常用的序列搜索比对工具是BLAST。

BLAST是NCBI中常用的序列搜索比对工具，用于在DNA、蛋白质等生物信息学领域进行序列比对和相似性搜索。BLAST通过算法对输入的序列进行比对，在数据库中找到相似的序列。该工具广泛应用于基因功能研究、物种鉴定、蛋白质相互作用等领域。以下是关于BLAST的详细介绍：

BLAST作为NCBI的核心工具之一，对于生物信息学研究者来说至关重要。它能够快速准确地搜索和比对生物序列，帮助研究者找到相似的基因或蛋白质序列。该工具不仅适用于科研人员，也适用于广大生物学爱好者以及需要基础生物信息学知识的其他领域的研究人员。BLAST的应用范围非常广泛，从基因组学到蛋白质组学，从基础研究到临床应用，都发挥着不可替代的作用。

其强大的搜索功能使研究者能够快速获取有关基因或蛋白质的信息，为后续的分子生物学实验和数据分析提供了重要支持。NCBI还提供了多种不同类型的BLAST工具，如用于核酸序列比对的BLASTn、用于蛋白质序列比对的BLASTp等，以满足不同研究需求。这些工具的使用非常简单，用户只需在NCBI网站上的BLAST界面输入待查询的序列，选择相应的数据库和比对参数，即可快速获得比对结果。这些结果可以帮助研究者了解序列的相似性和进化关系等重要信息。

总的来说，NCBI的BLAST工具是生物信息学领域非常重要的序列搜索比对工具，对于生物学研究和相关领域的探索具有重要意义。

EMBI的在线双序列比对工具提供了三种选项，1）全局比对；2）局部比对；3）全基因组比对。

并且每一个比对工具下提供了不同算法的选择。

这里我使用的uniprot中的ABCB1的两种亚型的数据。

选择Needleman-Wunsch算法的全局比对，先来试试看。

这一步非常简单，将蛋白质序列贴在输入框即可。

可以手动输入，也可以上传文件。

但是embi对文件格式也做了一定的要求。

遇事不绝，BLOSUM62就完事儿拉。（embi也帮我们设定好了默认的参数）

gap为罚分情况，而这里的gap也分了很多种。

返回的结果分为两个部分。

第一个部分是比对相关设定的参数，以及最终比对的概要，如长度，一致度、相似度、空格，得分。

第二部分则是序列比对的具体信息

左边是序列的名字（ps：实际使用发现，对于序列名称较长时，工具无法读完整，因此尽量不要把两条序列的名称弄得太长）

右边则是序列部分。

上下分别是两条序列的信息。而连接两条序列的中间部分，则表示序列匹配的具体情况。

左右分别表示起始或末尾的字母，实际在序列中的位置。

还记得在操作时，第二步提供了gap罚分的参数选项吗？

实际上，这些gap也有不同的类型。针对不同类型的gap，调整不同的罚分，可以使结果更加准确。

gap open，便是一系列空格中，开头的那个空格。领头的自然牛一些，因此分数也罚的高。

gap extend，便是跟着gap open的一系列延伸的空格。跟班的自然比不过打头的，分也低了不少。

结尾也可以设定gap罚分

end gap penalty默认为false，若设定为true则可以使用结尾的gap罚分。但一般亲缘关系较近且大多数情况下，一般不使用结尾gap罚分。

当我们给gap open大，如 10分，gap extend小，如0.5分的时候。

结果里的空格在序列比对中的位置就相对非常集中。

自然是因为分散的gap代价太大了。

而同理，当我们给gap open小，如 1分，gap extend大，如5分的时候。结果里的空格也相应的非常分散。

既然两种不同的罚分设定会造成序列比对结果的差异，该选择哪种方式呢？

比如下面就有两个很典型的情况。gap集中 or gap分散？

1）有两条相似的待比对序列，是同源序列，因此它们的功能和结构也相似。其中一条序列结构已知，而另一条未知。想通过序列比对，用已知结构序列作为模版，预测另一个序列的结构。（分散）

2）有两条待比对序列，且已知它们大部分区域都是非常相似的，但其中一个序列的功能区，在另一个序列中是缺失的。想要通过序列比对，将另一个序列的功能区找出来。（集中）

如果你对于结果没有什么预期，例如只是为了单纯地比较两个不同的序列，则可以使用默认的罚分参数，即 gap open= 10, gap extend= 0.5。

局部比对提供了三种算法

选择最经典的 Simith-Waterman算法

其他所有的步骤都和全局比对是差不多的。

我们可以使用PSA提供的范例数据

从比对结果来看，长度也少了不少，因为只把黑色的相似部分做了序列比对。

一般来说，除了当一长一短的情况时，当两条序列长度差不多时，也可以使用局部比对，以发现两条序列最相似的部分。

有的时候，两条序列并不同源，只是有相似的功能区域，使用局部比对可以非常快速的定位该区域在序列中的位置。

除了之前介绍的EMBL pairwise sequence alignment外，还有其他许多平台提供全局/局部双序列比对的算法。

而主要应用的也是 Simith-Waterman算法(局部)以及Needleman-Wunsch算法（全局）。只是在基础上有所变化。

一个老师开发的比embl只多不少的双序列比对工具（滑稽.jpg）

还可以给出得分矩阵的作图结果

在表格使用数据比对，比对两个表格数据方法如下：

工具：联想笔记本电脑e460、Windows10系统、WPS11.1.012598。

1、首先打开WPS表格，有两个对比表格数据。

2、然后在表格中框选第一个表格数据。

3、点击数据，点击筛选中的高级筛选。

4、在条件区域中框选另一个表格数据，点击确定。

5、这样相同的单元格数据就被选出来了，添加一个颜色。

6、在数据工具栏中选择全部显示。

7、数据不一样的单元格就显示出来了，就可以成功在表格中核对两个表格数据了。

在Excel中进行90%数据相似度比对的方法可以通过以下步骤实现：

1.准备要比对的两组数据，分别放置在不同的列或工作表中。

2.在比对结果的列（或工作表）中，使用Excel的内置函数或自定义公式进行相似度计算。常用的函数包括IF、COUNTIF、LEN等。

3.使用相似度计算公式对两组数据逐个进行比对并计算相似度得分。

4.判定相似度得分是否达到90%的阈值。可以使用IF函数、条件格式设置或筛选/排序等方法来实现。

5.根据需要，你可以采取以下措施来显示或标记符合90%相似度的数据：

-在比对结果列中使用IF函数来标记符合条件的数据，例如返回"相似"或"通过"等指示标记。

-使用条件格式设置，将符合条件的数据进行着色或其他样式上的变化。

-通过筛选或排序功能，将符合条件的数据单独展示或置顶。

请注意，如何定义和计算数据相似度取决于你所比对的数据类型和特定的需求。你可能需要进一步定义相似度的规则、使用特定的文本比对函数（如TEXTJOIN、FIND等）或使用其他插件/工具来实现更复杂的相似度比对。具体实现方式可能因实际情况而异，你可以根据具体数据和要求进行调整。

在Excel中，可以使用几种方法来进行数据的相似度比对。

1.打开Excel并将要比对的数据放在两个不同的工作表或列中。

2.在第三列输入以下公式，假设要比对的数据分别位于 A列和 B列：

```

=IF(A1=B1, 1, 0)

```

这个公式将会检查 A1单元格和 B1单元格中的数据是否相同，如果相同则返回1，不同则返回0。

3.将该公式拖动到所有需要比对的单元格中。

这样，你就会在第三列中得到一个以0和1表示的结果，其中1表示相同，0表示不同。接下来，你可以计算第三列中1的百分比，以获取数据的相似度。方法有很多，例如：

-使用 `COUNTIF`函数统计第三列中1的数量（相同值的数量）；

-使用 `COUNT`函数统计第三列中单元格的总数；

-计算相同值百分比：`(相同值数量/总数)* 100%`

这样你就可以获取到90%的数据相似度比对结果。

请注意，这种方法只能简单地比较值是否相等，并不能考虑更复杂的数据相似度度量，如文本匹配、数字误差等。如果需要更高级的相似度比对功能，可能需要使用其他工具或编写自定义脚本来实现。

在Excel中进行数据相似度比对的一种常见方法是使用公式来计算相似度评分。以下是一种简单的方法，可以通过计算两个数据集的相同值的百分比来得出相似度比对结果：

1.假设要比对的数据集分别位于A列和B列，从行2开始。

2.在C2单元格中输入以下公式：=COUNTIF(A:A,B2)/COUNTA(A:A)。这个公式将计算B列中当前行的值在A列中出现的次数，并除以A列的非空单元格总数，得到相似度百分比。

3.将公式拖动或填充至C列的其他单元格。这样，每行都会计算出相似度百分比。

4.将C列的单元格设置为百分比格式，以便显示正确的百分比。

5.可以根据需要对C列的数据进行排序或筛选。较高的相似度百分比表示数据集更相似。

该方法基于数据集中相同值的数量来计算相似度百分比，适用于比对性质相似的数据。请注意，这只是一种简单的比对方法，根据数据的特点和需求，可能需要采取更复杂的方法和算法。

用VLOOKUP就能对90%的数据相似度进行比对