我用非编码序列query，选Genome能有结果，而选RefSeq则不能找到具有显著相似性的序列，这是为什么？

求，问题出现在哪？

Query: Rosales_Rosaceae_Photinia_prunifolia_T232_2

# Database: all-trnH-psbA-db.fasta

# Fields: Query id, Subject id, % identity, alignment length, mismatches, gap openings, q. start, q. end, s. start, s. end, e-value, bit score

Rosales_Rosaceae_Photinia_prunifolia_T232_2

Rosales_Rosaceae_Photinia_prunifolia_T232_2

100.00  77  0   0   1822581822585e-039  153

Rosales_Rosaceae_Photinia_prunifolia_T232_2Rosales_Rosaceae_Photinia_prunifolia_T232_2   

100.00  94  0   0   1   94  1   94  1e-036  145

昨天上午，接到高中同学的消息，她快毕业了，但前一段时间一直在忙出国的事情，所以没怎么做实验。于是…她，要求我帮着做blast

应该是一件不太困难的事情，有一个数据库，有本地化的blast的程序（from NCBI）、再加上所需对比的序列，应该就是很容易可以实现的操作。但问题就出现了：

1、数据库怎么来？

下载的是ftp://ftp.solgenomics.net/genomes/Solanum_pimpinellifolium/assemblies/A-1.0/pimp.fasta.gz的数据

这个看上去是一步完成，但这个压缩包有200M所以下了8个小时……解压之后我很欣慰，是.fasta文件解压之后，文件有800M

2、blast程序怎么来？

这个快多了，因为地址已经臭遍了街，我就不多说了…我的本是XP系统，所以用的是相应的blast程序。

3、作为query的序列

这个就是同学直接传过来的。可是是用word的.doc文件存的，每个文件包含约2M的数据…

用品准备好了，就可以直接干活了~

命令提示符转目录到blast序列所在的文件夹下，blastall blastn~

但是，这个对比过程用了2个小时（一个2M的序列和800M的数据库对比）

然后得出了3结果.txt文件。

过程是很顺利，但是，我有很多疑问：

1、像这样三个文件保存的一段连续序列没有连接在一起，而是人为的拆成三段，再进行对比，那整个过程能得到合理的对比结果么？如果我有一个很大的数据库，来进行比对一个只有十个碱基的序列，那岂不是会有很多匹配的，而相差一个核苷酸的、算上插入的等等这类的对比结果，那会很多…

2、这里面有很多限制因素，比如：用XP的记事本根本打不开那个800M的数据库。因为一次处理不了那么多数据。但是这个上限到底是多大？

3、我用XP只感觉太慢…是不是用linux会好一点？

4、结果的处理：同学要找出对比结果的snp位点，想请教大家：选定一个特异identities（比如90%）的snp位点怎么直接从结果里标识出来，并且能统计出其数量？

本人出来扎到，而且生物信息方面的知识不是太丰富，希望大家不惜吝教，谢谢各位。