生物序列检索（BLAST 专利库）怎么做？
简答
专利序列检索先用比对工具跑一遍，但必须同时盯住四个参数：相似度、覆盖度、显著性水平与序列长度。短序列几乎没有检索意义，长序列只看相似度会把只对上一小段的命中误判为相关文献。阈值不能照搬科研习惯，专利库体量大，假阳性明显更多。
展开说明
先分清查的是哪个库
专利序列主要有两类来源：一是专门从专利文献抽取的序列集，二是通用序列库中含专利来源的记录。前者覆盖面广但抽取质量参差，后者质量高但收录滞后。判断新颖性应以前者为主、后者为辅，两条都查过再下结论。序列表的提交标准与格式说明可在 世界知识产权组织（WIPO）官网 查到。
提交形式上，国际申请与主要国家的序列表已按 WIPO 的 ST.26 标准以结构化文件提交，机读性大幅提高；更早的文献可能是自由文本或图片，序列必须人工从说明书抄出，抄录错误（字母与数字字形相近处混淆）是最常见的假阴性来源。用结构化标准提交的序列有统一的编号与字段，比对时可以直接按序列编号定位到原文献的具体段落，回溯成本低很多。
参数怎么设
核酸比对常用高相似模式先跑一遍，跨物种近缘序列改用灵敏模式或翻译比对；蛋白用蛋白对比对。参数上相似度与覆盖度必须同时设定：核酸大致以相似度不低于八成五、覆盖度不低于八成为进入人工阅读的门槛，低于这个量级的命中大多是保守区或结构域的偶然匹配。
显著性水平要谨慎解读。它与数据库规模成正比，专利库比通用库大一个量级，同一个比对在专利库里的值会明显偏小，看起来更显著，这并不代表相关性更高。判断是否构成现有技术，最终要看文献是否公开了完整序列，或公开了足以覆盖目标序列的范围型限定。
范围型权项才是重点
生物序列专利很少写死一条序列，多数写成与某序列具有至少一定百分比同一性的分离核酸，或包含该序列的载体、宿主细胞。这类范围型限定的检索不能只查完全相同序列：要把目标序列与权项给出的比例阈值一起算，判断是否落入范围。
同一族内不同国家的权项比例阈值常不一致，逐国核对权项比看一次摘要可靠得多。抗体、融合蛋白、载体构建这类周边权项也要一并看，序列本身未被覆盖不等于产品可以自由实施，保护路径的选择见 细胞与基因治疗（CGT）的保护路径。范围型权项的判断还要注意同一性算法本身：不同算法的比对口径不同，报告里必须写明用的是哪一种。
操作顺序与常见误区
建议顺序：先用目标序列做精确与近似比对拿到候选集，再按相似度与覆盖度分档，然后对高相似度候选逐篇读权项判断是否落入范围，最后反向用候选文献的同族与引证再扩展一次。短于约二十个碱基的核酸或过短的肽段，随机命中概率高，检索价值有限，应改为按名称与功能检索。
三个常见误区：只提交一条成熟序列，变体与同源序列全漏；把摘要里的序列描述当序列本身；忽略数据库收录滞后，导致最近公开的专利尚未入库就被判为无命中。检索报告中应写明所用数据库、检索日期与比对参数，否则结论无法复核。序列与菌株类成果还常在专利与秘密之间做取舍，判断口径见 合成生物的专利与秘密怎么平衡。
参考来源
引用均为官方文件或公开报道，访问日期 2026-11-06。