在blast中E值(E

在

blast

中

E

值

(E-value)

是什么？

一般的，当我们使用

BLAST

（是一种用于在数据库当寻找任何蛋白质或者基因序列与你的目

标序列一致的程序）

时，

我们会注意到这里有一个

E

值。

那么这个

E-value

是什么呢？怎么

来理解这个值呢？

下面是一个平常的

blast

结果，

Sequences producing significant alignments: 

Score (S) E 

gi|83574104|Moth_2374|sporulation 

–

prote…

 202 

2e-53 

gi|83573446|Moth_1696|Sporulation 

–

prote…

 112 

1e-26 

gi|83571874|Moth_0087|sporulation 

–

prote…

 95 

3e-21 

gi|83573435|Moth_1685|Substrate-binding -

…

27 

1.0 

后面有两个值，一个是

S

值，一个

E

值。可以发现，结果是依据

S

值的高低来显示的。

S

值表示两序列的同源性，分值越高表明它们之间相似的程度越大。

E

值就是

S

值可靠性的评价。

它表明在随机的情况下，

其它序列与目标序列相似度要大于这

条显示的序列的可能性。

所以它的分值越低越好。

E

值的计算：

E=Kmn(e

-lambda*S

) 

其中，

K

和

lambda

与数据库和算法有关，是个常量；

m

代表目标序列的长度，

n

代表数据库

的大小，

S

就是前面提到的

S

值。

通常来讲，

我们认为

E

值小于

10

-5

就是比较可性的

S

值结果。

我们可以想象，

相同的数据库，

E=0.001

时如果有

1000

条都有机会

S

值比现在这个要高的话，

那么不

E

设置为

10

-6

时可能就会

只得到一条结果，就是

S

值最可靠的那个。

但是

E

值也不是万能的。它在以下几个情况下有局限性：

1. 

当目标序列过小时，

E

值会偏大，因为无法得到较高的

S

值。

2. 

当两序列同源性虽然高，但有较大的

gap

（空隙）时，

S

值会下降。这个时候

gap 

scores

就非常有用。

3. 

有些序列的非功能区有较低的随机性时，可能会造成两序列较高的同源性。

BLAST

试图去避免这些问题，但是还是应该自己有个清晰的概念。

E

值总结：