입력한 query 서열과 찾아진 서열과의 배열한 결과들이 보여진다. 어떤 경우 query 서열의 일부분이 XXXXXXX---로 표시되는 경우가 있다. 이것은 Filtering에 의한 것이다.
데이터베이스 검색들의 통계학은 무관한 서열들은 서로간에 완전히 무작위적인 것으로 본다고 추정한다. 그러나 서열상의 어떤 유형들은 이러한 규칙에 반한다. 가장 일반적인 예외는 몇가지 다른 잔기들이 길게 연결된 경우 (polyalanine과 같은)이다. 그러한 영역들은 매우 높은 match score를 가질 것이다. 이러한 이유 때문에 NCBI BLAST 서버는 만약 'default filtering'을 선택하면 SEG 프로그램을 사용하여 자동적으로 단백질들에서 그러한 부분들을 (X로 대치하여) 제거한다. DNA 서열들도 유사하게 DUST에 의해 가려진다. 이런 프로그램들이 문제가 되는 match들을 자동적으로 제거하기는 하지만 어떤 문제들은 빠져 나올 수 있다. 더군다나 일부분의 서열이 가려지면 분명한 hit들이 빠질 수도 있다. 그러므로 다른 masking 변수들을 사용하는 것이 도움이 될 수도 있다. 다른 종류의 filtering도 가끔 바람직하다. 예를 들어 iterative search들은 coiled coil이나 transmembrane helix들을 닮은 단백질 영역들에 의해 오염되기 쉽다. 문제는 이런 일반적인 특성들에서만 유사한 단백질은 초기에 일치할지 모른다는 것이다. 그렇게 되면 이런 부적절한 특성들이 강조되어 결국 많은 잘못된 hit들을 야기시킨다. Cysteine이 많은 단백질들도 높은 score들을 얻을 수 있다. 특히 이런 특성들이 여과되지 않으면 배열 결과들을 주의깊게 살펴 부정확한 match가 발생하지 않도록 조심하여야 한다.
Alignment, algorithmic and output parameters
세가지 세트의 다른 변수들 역시 검색 결과에 영향을 미치나 큰 주의를 기울일 필요는 없다. 첫째, matrix와 gap 변수들은 두 서열사이의 유사성이 어떻게 결정되는지를 결정한다. 한 단백질 내의 두 개의 잔기가 배열될 때, 프로그램은 matrix를 사용하여 아미노산들이 유사한지 (그러면 점수를 받는다) 또는 다른지 여부를 결정한다. BLAST에서 default matrix는 BLOSUM62라 불리며 이 프로그램은 현재로서는 다른 matrix들로는 신뢰할 만하지 않다. Gap 변수들은 하나의 배열이 gap을 가질 때 얼마나 감점을 할지 결정한다: existence parameter는 gap을 가지는데 대해 고정된 비용이고 per-position 비용은 길이 (잔기들의 수)에 따르는 것이다. 전형적으로 gap을 넣는데는 큰 비용이 들고 적지만 추가적인 비용이 들기 때문에 긴 gap일수록 나쁘다. 이것들을 변화시켰을 때 얻는 이득은 거의 없다.
두 번째 변수들의 세트는 BLAST가 사용하는 heuristics를 결정한다. 이러한 숫자들을 변화시킴으로써 프로그램은 천천히 돌면서 보다 예민해지거나 또는 더 많은 homolog들을 잃어버리면서 빨리 돌 수 있다. BLAST에서 이러한 변수들은 매우 복잡하기 때문에 여기서 완전히 설명하기가 곤란하다. 현재는 사용자들이 이러한 선택사양들을 default로부터 바꾸는 경우는 매우 드물다. FASTA 프로그램은 그러한 변수가 한가지 있는데 그것은 ktup이다. 이 값이 1일 경우는 BLAST 보다 느리나 보다 정밀하고, 2이면 빠르나 덜 효과적이다.
세 번째 변수들의 세트는 얼마나 많은 결과가 보고되는 지를 조절한다. 설정값으로 프로그램은 E value가 10까지에 해당하는 match들만을 보고한다. Match들의 전체 수는 최대 500으로 한정되어 있으며, 배열에 관한 자세한 정보는 100개까지이다. 더 많은 match들을 얻으려면 이 값들을 증가시켜야 한다.
Interpretation of results
서열검색결과들의 해석은 우선 match들이 상동성을 의미할 정도로 신뢰할만한 지를 평가하는 것이다. 이것을 수행하는 가장 효과적인 방법은 통계적인 값이나 E value들을 사용하는 것이다. E value들은 raw 또는 bit score들 보다 유용하고 또한 percentage identity 보다도 훨씬 강력하다. 다행스럽게도 FASTA, SSEARCH, NCBI gapped BLAST에서의 E value들은 정확해 보이며, 따라서 해석하기가 쉽다.
어떤 match의 E value는 우연히 주어진 score를 달성할 수 있는 데이터베이스 내의 예상되는 서열들의 수이다. 따라서 평균적인 데이터베이스 검색에서 E value가 10 이하라면 10개의 무작위적인 match들을 찾게될 것으로 기대할 수 있다. 분명히 그러한 match들은 큰 의미가 없다. 그러나 보다 나은 match들이 없다면 그러한 score를 가지는 서열들도 기능이나 새로운 실험에 대한 힌트를 제공해줄 수 있을 것이다. 0.01 보다 낮은 score들은 우연히 나타날 확율이 매우 낮으므로 편향된 것이 아니라면 상동성을 가리킬 것이다. 이제는 1e-50 (1 x 10-50)에 가까운 score도 자주 보인다. 이들은 query 단백질이 데이터베이스 내의 일치된 target과 진화적으로 연관되어 있음을 확신시켜 준다.
상동성을 가진 일치된 서열들로부터 기능을 추론하는 것은 문제가 있는 과정이다. 만약 score가 매우 좋고 배열이 두 개의 단백질 전역에 걸쳐서 일어난다면 이들은 동일하거나 거의 같은 기능을 가질 가능성이 매우 높다. 그러나 그렇다고 너무 믿는 것은 위험하다. 생화학적인 기능이 변하지 않았더라도 기능은 분기하고, 생물체 또는 세포에서의 기능도 바뀔 수 있다. 더군다나 데이터베이스들에서 기능에 관한 주석은 많은 것이 잘못된 것들이므로 주의해야만 한다. 또 다른 복잡한 문제도 있다. 예를 들어 단백질의 일부분만 배열된다면 전체 기능 중 한가지 측면에만 기여하는 도메인을 공유할지도 모른다. 많은 경우 가장 높은 score의 hit들은 query의 일부분에만 배열된다. 그래서 다른 영역들에의 match들은 훨씬 낮은 score ranking에서 찾을 필요가 있다. 이런 이유 때문에 query와 target들 각각 사이의 중첩부위를 주의깊게 살펴보아야 한다.
대부분의 상동성 서열들은 너무 분기되어 pairwise 서열비교방법으로는 검출될 수 없을 지 모르기 때문에 데이터베이스 검색 방법들은 제한되어 있다. 따라서 높은 match를 찾지 못하는 것이 데이터베이스에 homolog들이 존재하지 않는다는 것을 가리키지는 않는다. 그보다는 좀더 강력한 전산방법들 (Sean Eddy와 Kay Hofmann에 의해 기술된 방법)이나 실험들이 필요할 지 모른다.