diamond怎么用：蛋白序列比对实测
diamond怎么用，关键不是背参数，而是先分清建库、比对和结果过滤。我用同一批蛋白序列拆开测试blastp、敏感度模式与输出字段，发现真正影响效率的往往是数据库格式、线程数和阈值。下面按实际操作逐项对比，给出可直接复用的命令。
建库：直接用FASTA还是先处理
拿到参考蛋白库后，我会先检查序列标题是否唯一，再执行“diamond makedb --in proteins.faa -d proteins”。直接把未经整理的FASTA交给diamond也能建库，但重复ID会让后续注释表难以回填。建库只需做一次，生成的.dmnd文件可反复使用；参考库更新后必须重建，不能只替换原FASTA。
模式：默认、敏感与超敏感
短流程测试我先跑“diamond blastp -q query.faa -d proteins -o hits.tsv”。默认模式适合近缘蛋白和批量初筛，速度优势明显；远缘同源或较短蛋白容易漏掉时，再加“--sensitive”。“--more-sensitive”乃至“--ultra-sensitive”会扩大搜索范围，却显著增加计算量，不适合不分场景地常开。
我的判断方法很直接：随机抽取一小批已知蛋白，用不同模式比较命中数量、覆盖度和功能一致性。若敏感模式只增加大量低覆盖命中，说明问题可能不在模式，而在查询序列质量或阈值设置。
输出：默认表格还是自定义字段
默认格式像BLAST表格，但做注释时字段通常不够。我常用“--outfmt 6 qseqid sseqid pident length evalue bitscore qcovhsp scovhsp”，这样能同时看一致性、比对长度和双向覆盖度。只按e-value取第一名很危险：短保守结构域可能得到漂亮分值，却不能代表整条蛋白功能一致。
需要保留多个候选时加入“--max-target-seqs 10”，再在下游按覆盖度过滤。若只设置1个候选，搜索过程中的启发式排序可能让你误以为结果就是严格意义上的全局最佳命中。
资源：线程和内存怎么配
“--threads”设成机器全部核心不一定最快，尤其多人共用服务器时，磁盘读取和内存带宽会先到瓶颈。我通常从物理核心的一半起跑，观察耗时与负载后再加。输出文件很大时直接写压缩流或减少无用字段，比盲目增加线程更有效。正式任务前先用一万条序列试跑，能提前暴露路径、格式和空间问题。
常见问题
diamond可以直接比对DNA序列吗？
可以用blastx将核酸查询按六个阅读框翻译后搜索蛋白库；若查询和数据库都是蛋白序列，用blastp。diamond并非通用核酸对核酸比对工具。
diamond结果为什么没有表头？
outfmt 6默认不写表头。应在分析脚本中明确指定字段名，且字段顺序必须与命令中的自定义字段完全一致。
运行diamond需要多少线程？
小数据用4至8线程通常足够；大任务先做子集测试，再根据CPU利用率、内存和磁盘吞吐调整，不要直接占满共享节点。