生信-蛋白信号肽预测-signalp5的安装与使用_如何用signalp预测信号肽-CSDN博客

本文链接：https://blog.csdn.net/pxy7896/article/details/146501972

环境：
centos8，miniconda3，python 3.9.13

参考：
signal5 本地版安装及使用（Linux系统）_signalp-5.0-CSDN博客
https://blog.csdn.net/2201_75882736/article/details/140506644

SignalP 6.0 - DTU Health Tech - Bioinformatic Services
https://services.healthtech.dtu.dk/services/SignalP-6.0/

前言

SignalP可以预测来自古菌（arch）、革兰氏阳性菌（gram+）、革兰氏阴性菌（gram-）和真核生物（euk）的蛋白质中信号肽的存在及其切割位点的位置，是生物信息领域常用的工具。（引用自参考2）

由于同事要求同时安装signalp5（5.0b）和signalp6（fast版），对于前者，我下载的是预编译版；对于后者，我是从源码编译安装的，正好可以展示两种安装方式。5和6在使用上有一点点区别，后文会详细说明。本文的使用方法主要是：1）命令行；2）在Python脚本里通过subprocess调用。

安装

首先去官网下载。我是直接拿到同事分享的预编译包signalp-5.0b.tar.gz。
在这里插入图片描述
解压：

tar -vxf signalp-5.0b.tar.gz

使用

命令行使用

解压后使用bin下的二进制文件运行即可，如：

./signalp -h

也可以加入环境变量：

vi ~/.bashrc

在结尾处添加：

export PATH=/home/software/signalp-5.0b/bin:$PATH

然后source一下。

subprocess调用

import subprocess

# 这句的意思是不要额外的输出文件，预测结果直接放入标准输出
cmdStr = "source ~/.bashrc && signalp -fasta " + name + ".fa -stdout"
#print("Running command:", cmdStr)

try:
    output = subprocess.check_output(cmdStr, shell=True, stderr=subprocess.STDOUT, universal_newlines=True)
    lines = output.split("\n")
    for line in lines:
        # parse stdout information

except subprocess.CalledProcessError as spe:
    print("signalp5-subprocess.CalledProcessError;")
    print("Command failed with return code:", spe.returncode)
    print("Error output:", spe.output)
except Exception as e2:
    print(e2)

为什么要做异常处理？为什么要在命令里再source一遍？

答：因为我在执行命令的时候发现报错：

Command failed with return code: 127
Error output: /bin/sh: signalp: command not found

但实际上，signalp的路径已经加入到~/.bashrc了，当前路径下使用signalp -h也是可以正确输出的，不清楚为什么subprocess不行。解法就是再source一遍。

命令的参数说明

-batch int：同时运行的序列数量。根据系统内存调整大小，默认为 10000。
-fasta string：输入的 FASTA 格式文件。
-format string：输出格式。long 生成包含图表的预测结果，short 生成不包含图表的预测结果（默认）。
-gff3：生成处理序列的 GFF3 文件。
-mature：生成包含成熟序列的 FASTA 文件。
-org string：指定生物体类型。可选值为 arch（古菌）、gram+（革兰氏阳性菌）、gram-（革兰氏阴性菌）或 euk（真核生物，默认）。
-plot string：图表输出格式。当选择long输出时，可以选择 png（默认）、eps 或 none（仅生成表格文件）。
-prefix string：输出文件的前缀，默认为输入文件的前缀。
-stdout：将预测摘要写入标准输出。
-tmp string：指定临时文件目录，默认为系统默认临时目录。
-verbose：详细输出。指定 -verbose=false 可以避免打印详细信息，默认为 true。
-version：打印版本信息。

注意

批量是比较快的，尽量使用批量的方式。10条vs1条速度对比：

(base) [root@localhost batch]# time signalp -fasta euk10.fsa -stdout
# SignalP-5.0	Organism: euk	Timestamp: 20250324022524
# ID	Prediction	SP(Sec/SPI)	OTHER	CS Position
IPI00000001.2	OTHER	0.000323	0.999677	
IPI00000005.1	OTHER	0.002509	0.997491	
IPI00000006.1	OTHER	0.002509	0.997491	
IPI00000012.4	SP(Sec/SPI)	0.770085	0.229915	CS pos: 29-30. VSG-YL. Pr: 0.6528
IPI00000013.1	SP(Sec/SPI)	0.997215	0.002785	CS pos: 17-18. ASA-VP. Pr: 0.9443
IPI00000015.2	OTHER	0.000883	0.999117	
IPI00000017.1	OTHER	0.020566	0.979434	
IPI00000020.1	OTHER	0.010424	0.989576	
IPI00000021.5	OTHER	0.018032	0.981968	
IPI00000023.4	SP(Sec/SPI)	0.542231	0.457769	CS pos: 38-39. GFT-SQ. Pr: 0.2519

real	0m9.240s
user	0m10.880s
sys	0m1.059s
(base) [root@localhost batch]# time signalp -fasta test.fa -stdout
# SignalP-5.0	Organism: euk	Timestamp: 20250324022608
# ID	Prediction	SP(Sec/SPI)	OTHER	CS Position
test	OTHER	0.000323	0.999677	

real	0m8.231s
user	0m8.635s
sys	0m0.698s

结果解析

直接看上面的输出。第一列是名字（就是fasta格式中每一条的header），第二列是是否有信号肽的预测结果（OTHER表示没有，SP(Sec/SPI)表示有），第三列是预测有信号肽的概率，第四列是预测没有信号肽的概率，最后一列是切割位点信息（为空表示没有信号肽和切割位点）：以CS pos: 38-39. GFT-SQ. Pr: 0.2519为例，38-39表示是在第38个与第39个残基之间切割，GFT的T就是第38个残基，SQ的S就是第39个残基；Pr: 0.2519表示这个预测的概率。

signalp6的安装和使用方法见：生信-蛋白信号肽预测-signalp6的安装与使用-CSDN博客