pfamscan 的使用_使用 HMMER 进行 PFAM 注释

1. HMMER 简介

HMMER 和 BLAST 类似，主要用于序列比对。

2. HMMER 与 PFAM 的下载安装

安装 HMMER

$ wget ftp://selab.janelia.org/pub/software/hmmer3/3.1b2/hmmer-3.1b2.tar.gz

$ tar zxf hmmer-3.1b2.tar.gz

$ cd hmmer-3.1b2

$ ./configure --prefix=/opt/biosoft/hmmer-3.1b2 && make -j 8 && make install

$ echo 'PATH=$PATH:/opt/biosoft/hmmer-3.1b2/bin/' >> ~/.bashrc

$ source ~/.bashrc

下载 HMMER 软件说明文档

$ wget ftp://selab.janelia.org/pub/software/hmmer3/3.1b2/Userguide.pdf -P /opt/biosoft/hmmer-3.1b2/

下载 PFAM 数据库

$ cd /opt/biosoft/hmmer-3.1b2/

$ wget ftp://ftp.ebi.ac.uk/pub/databases/Pfam/releases/Pfam27.0/Pfam-A.hmm.gz

$ wget ftp://ftp.ebi.ac.uk/pub/databases/Pfam/releases/Pfam27.0/Pfam-B.hmm.gz

$ gzip -d Pfam-A.hmm.gz; gzip -d Pfam-B.hmm.gz

得到 PFAM 数据库的 HMM 文件。 HMM 文件是文本文件，需要将其变成二进制格式，以加快运算速度，同时进行压缩，并建立成索引数据库。

$ hmmpress Pfam-A.hmm

$ hmmpress Pfam-B.hmm

3. 使用 hmmscan 进行 Pfam 注释

Pfam 数据库中每个编号代表一个蛋白质家族。Pfam 分 A 和 B 两个数据库，其中 A 数据库是经过手工校正的高质量数据库， B 数据库虽然质量低些，依然可以用来寻找蛋白质家族的保守位点。Pfam 最新 v27.0 版本的数据库中， A 数据库包含 14,836 个蛋白质家族编号(以 PF 开头)； B 数据库包含 20,000 个蛋白质家族编号 (以 PB 开头)。

使用 hmmscan 进行 Pfam 注释示例：

$ /opt/biosoft/hmmer-3.1b2/bin/hmmscan -o out.txt --tblout out.tbl --noali -E 1e-5 /opt/biosoft/hmmer-3.1b2/Pfam-A.hmm file.fasta

生成结果文件 out.txt 和 out.tbl

out.txt 文件信息比较全面，但是不好阅读；

out.tbl 文件则是表格形式的结果，是一般需要的结果。

hmmscan 命令的常用参数：

$ hmmscan [-options] -h

显示帮助信息

-o FILE

将结果输出到指定的文件中。默认是输出到标准输出。

--tblout FILE

将蛋白质家族的结果以表格形式输出到指定的文件中。默认不输出该文件。

--domtblout FILE

将蛋白结构域的比对结果以表格形式输出到指定的文件中。默认不输出该文件。该表格中包含query序列起始结束位点与目标序列起始结束位点的匹配信息。

--acc

在输出结果中包含 PF 的编号，默认是蛋白质家族的名称。

--noali

在输出结果中不包含比对信息。输出文件的大小则会更小。

-E FLOAT default:10.0

设定 E_value 阈值，推荐设置为 1e-5 。

-T FLOAT

设定 Score 阈值。

--domE FLOAT default:10.0

设定 E_value 阈值。该参数和 -E 参数类似，不过是 domain 比对设定的值。

--cpu

多线程运行的CPU。默认应该是大于1的，表示支持多线程运行。但其实估计一般一个hmmscan程序利用150%个CPU。并且若进行并行化调用hmmscan，当并行数高于4的时候，会报错：Fatal exception (source file esl_threads.c, line 129)。这时，设置--cpu的值为1即可。