USEARCH算法在數(shù)據(jù)庫中搜索對一個或多個數(shù)據(jù)庫序列（“目標”）的高一致性命中。USEARCH由usearch_global和usearch_local命令使用，并由cluster_fast和cluister_smallmem用作子例程。該算法與為低身份本地搜索而設(shè)計的UBLAST算法從根本上不同。

　　推薦的標識范圍

　　USEARCH對蛋白質(zhì)的識別率為50%及以上，對核苷酸的識別率為75%及以上時有效。

　　字數(shù)統(tǒng)計和U排序

　　USEARCH利用了這樣的事實，即相似的序列往往有幾個共同的短字。這些單詞的長度固定為k，有時也稱為kmers。與使用kmer計數(shù)的其他程序不同，USEARCH不會嘗試根據(jù)匹配kmers的數(shù)量來估計序列同一性。這是因為身份僅與字數(shù)大致相關(guān)，而沒有給出準確的估計，尤其是對于較低的身份。而是，USEARCH使用單詞計數(shù)對數(shù)據(jù)庫搜索進行優(yōu)先級排序。按照減少唯一字數(shù)（U）的順序?qū)⒛繕诵蛄信c查詢進行比較。這是USEARCH中的“ U”。如果命中率超過了身份閾值 存在于數(shù)據(jù)庫中，很可能在U排序目標列表（“ U向量”）的開頭附近找到。

　　接受和拒絕

　　“接受”是高于同一性閾值的目標序列，因此可以視為命中?！熬芙^”是與查詢進行比較但低于閾值的目標序列。如果將目標與按U排序的查詢進行比較，則：

　?。╥）找到的第一個匹配可能是數(shù)據(jù)庫中存在或接近數(shù)據(jù)庫的最佳匹配；以及

　?。╥i）沒有命中發(fā)生的拒絕次數(shù)越多，存在命中的可能性就越小。

　　這意味著，如果（i）找到了一個命中點，或者（ii）發(fā)生了幾次拒絕，則可以盡早終止搜索，而只損失很小的靈敏度。該終端選項 -maxaccepts和-maxrejects確定何時停止搜索。該技術(shù)可以顯著提高速度，這對于生物學中越來越常見的非常大的序列數(shù)據(jù)集是決定性的優(yōu)勢。

　　單詞索引

　　USEARCH使用數(shù)據(jù)庫中單詞的索引來快速計算給定查詢的U向量。索引選項允許微調(diào)速度，靈敏度和內(nèi)存使用。索引可以存儲在UDB文件中，這在重復搜索大型數(shù)據(jù)庫時可能是有利的。或者，例如，當以FASTA格式提供數(shù)據(jù)庫時，可以動態(tài)構(gòu)建索引。cluster_fast和cluister_smallmem也使用索引，它使用USEARCH作為子例程，以將查詢序列與現(xiàn)有集群的質(zhì)心數(shù)據(jù)庫進行匹配。使用聚類時，由于必須在識別新的聚類時更新數(shù)據(jù)庫，因此索引必須動態(tài)構(gòu)建。