SEQ 3. pfam数据库的注释及本地分析 (pfam_scan)

最新推荐文章于 2024-07-29 17:17:32 发布
最新推荐文章于 2024-07-29 17:17:32 发布
阅读量306 收藏 6
点赞数 3
文章标签： 数据库
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41368414/article/details/140786468
版权

5868587858fd84ae9984bb50c870746f.png

简    介

Pfam数据库是一个蛋白质家族的大集合，每个家族都由多个序列比对和隐马尔可夫模型(hmm)表示。蛋白质通常由一个或多个功能区组成，通常称为结构域。不同的结构域组合产生了自然界中发现的各种各样的蛋白质。因此，鉴定发生在蛋白质内部的结构域可以深入了解其的功能。Pfam还生成相关条目的高级分组，称为宗族。宗族是由序列、结构或剖面的相似性联系在一起的Pfam条目的集合。每个条目的数据都是基于UniProt参考蛋白质组，但单个UniProtKB序列的信息仍然可以通过输入蛋白质加入来找到。Pfam全比对可以通过搜索各种数据库获得，要么提供不同的接入(例如所有UniProt和NCBI GI)，要么提供不同级别的冗余。

223b3e26454db62920b4778f6c46e85e.png

UniProtKB 的增长，以及 Pfam 在过去五个 Pfam 版本中的覆盖范围。随着UniProtKB 大小的增长，Pfam 序列和残基的覆盖率分别保持在~ 77%和~ 53%。图中的 UniProtKB 大小对应于在每个 Pfam  版本中使用的 UniProtKB 版本。

aa84b0bdb225392c933f75e1a02f92c1.png

在线分析

最新版本 Pfam 33.1 中增加了350多个新家族，并对现有条目进行了许多改进。为了便于对COVID-19的研究，修订了涵盖SARS-CoV-2蛋白质组的Pfam条目，并为Pfam未涵盖的区域建立了新的条目。重新引入了Pfam-B，提供了Pfam的自动生成补充，包含136730个尚未与Pfam家族匹配的新序列簇。新的Pfam-B是基于MMseqs2软件的聚类。已经将RepeatsDB中的所有区域与Pfam中的区域进行了比较，并开始使用这些结果来构建和完善Pfam重复序列家族(pfam)。

18149f640e2a580afd1713d99f270f2e.png

本地分析

数据下载

因为是在服务器上直接操作下载，如果自己的电脑可以自行配置系统，然后进行数据库下载。

Pfam-A为高质量，手工确定的蛋白结构域数据，Pfam-B为基于Pfam-A数据库自动注释得到的蛋白结构域数据库，我们这里只下载了Pfam-A即可。

wget ftp://ftp.ebi.ac.uk:21/pub/databases/Pfam/current_release/Pfam-A.hmm.gz
wget ftp://ftp.ebi.ac.uk:21/pub/databases/Pfam/current_release/Pfam-A.hmm.dat.gz
wget ftp://ftp.ebi.ac.uk:21/pub/databases/Pfam/current_release/active_site.dat.gz
gunzip *.gz

hmmer-3.2下载安装

wget http://eddylab.org/software/hmmer/hmmer-3.2.tar.gz
tar -xzvf  hmmer-3.2.1.tar.gz
cd hmmer-3.2
./configure
make
make check
make install

# 添加至环境变量
vim ~/.bashrc

export PATH=/usr/local/bin:$PATH

# 环境变量立即生效
source ~/.bashrc

新建一个环境安装pfam-scan

默认是已经安装了Anconda/miniconda3，这个需要提取配置好的哦。然后 conda 创建一个新环境，安装pfam-scan，并激活。

conda create -n pfam_scan 
source activate pfam_scan
conda install pfam_scan

然后利用hmmpress数据库建索引就可以使用了。

hmmpress Pfam-A.hmm

测试一下是否安装成功，如下：

pfam_scan.pl -h 

pfam_scan.pl: search a FASTA file against a library of Pfam HMMs

Usage: pfam_scan.pl -fasta <fasta_file> -dir <directory location of Pfam files>

Additonal options:

  -h                : show this help
  -outfile <file>   : output file, otherwise send to STDOUT
  -clan_overlap     : show overlapping hits within clan member families (applies to Pfam-A families only)
  -align            : show the HMM-sequence alignment for each match
  -e_seq <n>        : specify hmmscan evalue sequence cutoff for Pfam-A searches (default Pfam defined)
  -e_dom <n>        : specify hmmscan evalue domain cutoff for Pfam-A searches (default Pfam defined)
  -b_seq <n>        : specify hmmscan bit score sequence cutoff for Pfam-A searches (default Pfam defined)
  -b_dom <n>        : specify hmmscan bit score domain cutoff for Pfam-A searches (default Pfam defined)
  -as               : predict active site residues for Pfam-A matches
  -json [pretty]    : write results in JSON format. If the optional value "pretty" is given,
                      the JSON output will be formatted using the "pretty" option in the JSON
                      module
  -cpu <n>          : number of parallel CPU workers to use for multithreads (default all)
  -translate [mode] : treat sequence as DNA and perform six-frame translation before searching. If the
                      optional value "mode" is given it must be either "all", to translate everything 
                      and produce no individual ORFs, or "orf", to report only ORFs with length greater 
                      than 20. If "-translate" is used without a "mode" value, the default is to 
                      report ORFs (default no translation)

  For more help, check the perldoc:

      shell% perldoc pfam_scan.pl

文件准备

这个输入文件只有一个文件就是蛋白序列文件，例如：

>sp|O95905|ECD_HUMAN Protein ecdysoneless homolog OS=Homo sapiens OX=9606 GN=ECD PE=1 SV=1
MEETMKLATMEDTVEYCLFLIPDESRDSDKHKEILQKYIERIITRFAPMLVPYIWQNQPF
NLKYKPGKGGVPAHMFGVTKFGDNIEDEWFIVYVIKQITKEFPELVARIEDNDGEFLLIE
AADFLPKWLDPENSTNRVFFCHGELCIIPAPRKSGAESWLPTTPPTIPQALNIITAHSEK
ILASESIRAAVNRRIRGYPEKIQASLHRAHCFLPAGIVAVLKQRPRLVAAAVQAFYLRDP
IDLRACRVFKTFLPETRIMTSVTFTKCLYAQLVQQRFVPDRRSGYRLPPPSDPQYRAHEL
GMKLAHGFEILCSKCSPHFSDCKKSLVTASPLWASFLESLKKNDYFKGLIEGSAQYRERL
EMAENYFQLSVDWPESSLAMSPGEEILTLLQTIPFDIEDLKKEAANLPPEDDDQWLDLSP
DQLDQLLQEAVGKKESESVSKEEKEQNYDLTEVSESMKAFISKVSTHKGAELPREPSEAP
ITFDADSFLNYFDKILGPRPNESDSDDLDDEDFECLDSDDDLDFETHEPGEEASLKGTLD
NLKSYMAQMDQELAHTCISKSFTTRNQVEPVSQTTDNNSDEEDSGTGESVMAPVDVDLNL
VSNILESYSSQAGLAGPASNLLQSMGVQLPDNTDHRPTSKPTKN

实际操作

pfam_scan.pl  -fasta ./test.fa  -dir hmmer-3.2/ -outfile test_result.xls -as

#[42] [94] [42] [110] [66] [398] [363] [272] [294] [392] [294] [134] [291] [212] [64] [549][567] [562][580] [515][533] [539][557] [513][531] [513][531] [546][564] [537][555] [550][568] [184] [184] [329] [152] [376][394] [193][211] [293] [273] [614,680] [90] [76] [90] [76] [76] [90] [73] [123] [25] [39] [213] [30] [204] [51] [225] [81] [255] [39] [213] [39] [213] [71] [245] [71] [245] [18,106,126] [18,106,126] [18,106,126] [86] [18,106,126] [67] [210,343] [210,343] [210,343] [85] [184,191] [483,532,633] [173]

结果解读

31ecdcdfefd48b6e207b40964abd34c9.png

输出结果说明：

(1) seq_id：蛋白序列编号

(2) alignment start：蛋白序列比对的起始位置

(3) alignment end：蛋白序列比对的终止位置

(4) envelope start：蛋白序列结构域的起始位置

(5) envelope end：蛋白序列结构域的终止位置

(6) hmm acc：比对到pfam结构域的ID

(7) hmm name：pfam结构域名称

(8) type：pfam结构域类型

(9) hmm start：比对到结构域的起始位置

(10) hmm end：比对到结构域的终止位置

(11) hmm length：pfam结构域的长度

(12) bit score：比对打分分值

(13) E-value：比对的E值

(14) Significance：比对序列的显著性

(15) Clan：蛋白结构域超级家族名称

(16) predicted_active_site_residues：比对的序列是否位于酶的活性部位

Reference

  1. Pfam: The protein families database in 2021: J. Mistry, et al. Nucleic Acids Research (2021)

桓峰基因，铸造成功的您！

未来桓峰基因公众号将不间断的推出单细胞系列生信分析教程，

敬请期待！！

桓峰基因官网正式上线，请大家多多关注，还有很多不足之处，大家多多指正！http://www.kyohogene.com/

桓峰基因和投必得合作，文章润色优惠85折，需要文章润色的老师可以直接到网站输入领取桓峰基因专属优惠券码：KYOHOGENE，然后上传，付款时选择桓峰基因优惠券即可享受85折优惠哦！https://www.topeditsci.com/

fb90814499425fd63088cf64163cd758.png

桓峰基因
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pfamscan 的使用_数据库|Pfam在线注释以及本地化全攻略
weixin_39979617的博客
12-20 4055
Pfam: the protein families database11.501Nucleic Acids Res . 2014 Jan;42(Database issue):D222-30. doi: 10.1093/nar/gkt1223. Epub 2013 Nov 27.AbstractPfam, available via servers in the UK (http://pfam....
pfamscan 的使用_Pfam数据库蛋白编码能力预测说明
weixin_39697096的博客
12-20 2640
一、分析背景蛋白一般由一个或多个功能域所组成，在不同蛋白质组合中出现的不同结构域导致了自然界中蛋白质复杂的多样性。鉴定一个蛋白中的结构域有助于更深入地理解蛋白功能。Pfam是一个大型蛋白结构域家族的数据库，每个蛋白家族都由多个序列比对和HMMs(hidden Markovmodels，隐马尔可夫模型)所体现。Pfam包括两个质量级别的家族数据库：Pfam-A和Pfam-B。Pfam-A来自基础序列...
pfamscan 的使用_蛋白编码能力预测软件pfam流程
weixin_42349978的博客
12-30 1426
原标题：蛋白编码能力预测软件pfam流程一、分析背景蛋白一般由一个或多个功能域所组成，在不同蛋白质组合中出现的不同结构域导致了自然界中蛋白质复杂的多样性。鉴定一个蛋白中的结构域有助于更深入地理解蛋白功能。Pfam是一个大型蛋白结构域家族的数据库，每个蛋白家族都由多个序列比对和HMMs(hidden Markovmodels，隐马尔可夫模型)所体现。最新版本为27.0(2013年3月，包含14831...
pfamscan 的使用_【T】每日一生信--PfamScan及fam数据库
weixin_39760721的博客
12-20 815
Pfam(http://pfam.sanger.ac.uk/)是一个被广泛使用的蛋白家族数据库，在最新的版本26.0中包含超过13000个手工确定的蛋白家族，Pfam可以通过http://pfam.sanger.ac.uk/使用，他有两个数据库，高质量，手工确定的Pfam-A，自动注释的Pfam-B数据库。后面的数据产生是根据ADDA算法。是对A的补充。下载：应的数据库(ftp://ftp.san...
seq2seq样例.rar_seq2seq_tensorflow_熵 预测
09-23
在本文中，我们将深入探讨序列到序列（Seq2Seq）模型在TensorFlow框架中的实现，以及如何使用交叉熵（Entropy）进行预测。Seq2Seq模型是深度学习领域中用于处理时序数据，如自然语言翻译、语音识别和文本生成等任务...
Seq_det_gray.zip_gray_https.//seq67.com
09-14
1. dataset.asdb：可能是一个数据库文件，存储着用于序列检测的训练或测试数据。 2. .bash_logout、.bashrc、.profile：这些是Unix/Linux系统中的配置文件，可能包含了用户环境设置或脚本，与项目的构建或运行环境...
seq_info.rar_*seq_info_SEQ_INFO
09-19
《ALSA Sequencer /proc Interface 深度解析》 在Linux操作系统中，音频系统扮演着至关...通过分析`seq_info.c`源代码，我们可以深入了解Sequencer的工作机制，并利用这些知识开发出更高效、更灵活的音频应用程序。
opl3_seq.rar_V2 _midi sequencer
09-24
《OPL3_seq.rar_V2 Midi Sequencer：Linux下的FM音乐创作工具》 在音乐制作领域，MIDI（Musical Instrument Digital Interface）序列器扮演着至关重要的角色，它允许音乐家和程序员通过数字方式控制音乐设备，实现...
opl3_seq.rar_midi sequencer
09-14
标题中的"opl3_seq.rar_midi sequencer"表明这是一个与MIDI序列器相关的程序，特别是针对OPL2、OPL3和OPL4芯片的FM（Frequency Modulation）音效处理。这个压缩包可能包含了一个名为"opl3_seq.c"的源代码文件，用于...
图数据库查询与操作指南-以Nebula图数据库为例
DZSpace，专注于计算机科学与技术领域的技术博主，致力于分享实用知识与技巧，帮助读者快速掌握技术要点，共同探索计算机世界的无限可能。欢迎访问DZSpace的博客，一起学习进步！
07-26 323
图数据库查询与操作指南-以Nebula图数据库为例
ODBC连接达梦数据库
qq_55187735的博客
07-24 308
用户执行，因为环境变量配置在。
已经10岁的K8S，在很多方面仍需努力
u012516914的专栏
07-28 290
/ K8S 已经 10 岁了，但仍然有许多方面要继续努力 /Kubernetes 于 2014 年 6 月推出，自那时起，它在推广云原生应用设计和支持更多微服务部署方面发挥了巨大作用。容器部署的增长非常迅速，而 Kubernetes 对于企业管理这些部署至关重要——根据 CNCF 上一份报告的调查结果，84% 的组织正在使用或评估 Kubernetes，而 66% 的潜在和实际消费者在生产中使用 ...
SQL基础入门：解锁数据库管理的钥匙
WayneYalejk的博客
07-26 474
在数字化时代，数据已成为企业最宝贵的资产之一。为了高效地存储、查询和管理这些数据，SQL（Structured Query Language，结构化查询语言）应运而生。SQL不仅是数据库管理员的必备技能，也是数据分析师、开发人员等多个领域从业者的重要工具。本文将带您踏入SQL的世界，从基础概念到实际应用，一步步解锁数据库管理的钥匙。强调SQL在数据处理和分析中的重要性，鼓励读者通过实践不断深化对SQL的理解和应用。
CTF-NSSCTF题单[GKCTF2020]
2302_78903258的博客
07-24 1287
在低于7.2.29的PHP版本7.2.x，低于7.3.16的7.3.x和低于7.4.4的7.4.x中，将get_headers（）与用户提供的URL一起使用时，如果URL包含零（\ 0）字符，则URL将被静默地截断。访问/eval的路由，会设置一个delay，和你传入的get参数的delay进行比较，取较大的那个，然后setTimeout是延时函数，delay秒后就会执行第一个参数，即next()，否则就会send出timeout。是假的，但是有线索，提示说真正的flag的在。
通过Docker安装KingbaseES V8并激活开发License
weimeilayer的博客
07-24 190
首先，我们可以去KingbaseES的官网（https://www.kingbase.com.cn/xzzx/index.htm ，在软件版本中，注意下载的镜像为x86版本）下载docker镜像，下载完成后导入即可。简单介绍一下在Docker中安装人大金仓（KingbaseES V9）的过程，以及如何更换默认的License为官方提供的365天有效期的开发License。下面的安装过程都是在WSL2中完成的。我们可以通过下面的命令从宿主来直接查看KingbaseES的版本。启动容器，可以直接下面的脚本。
添加索引导致微服务异常
最新发布
07-29 712
执行DDL时，最好使用ONLINE选项，随着oracle版本升级，online状态下可执行的DDL逐步增加，大部分普通DDL上，可以使用ONLINE选项，例如。而在新增索引的时候会有TM锁，而该表又有大量的insert、update等，因此会对这些dml语句造成阻塞。1、对大表新增索引尽量停业务，就算加上online不会造成阻塞，但对性能也有影响，特别是这种性能敏感的系统。2、在新增索引的时候加online参数，而online产生的TM锁时间比较短。加了online后，可以以非独占的方式创建和删除索引。
教务管理平台/高校教务管理系统的设计与实现/教务网站/学生成绩管理系统/学生课程管理系统
weixin_47958760的博客
07-27 791
本毕业设计的内容是设计并且实现一个基于JSP技术的教务管理平台。采用MYSQL为数据库开发平台，SSM框架，Tomcat网络信息服务作为应用服务器。教务管理平台的功能已基本实现，主要有学生、教师、课程信息、课程选择、教师课表、学生成绩、图书信息、考试等管理功能。 论文主要从系统的分析与设计 、数据库设计和系统的详细设计等几个方面来进行论述，系统分析与设计部分主要论述了系统的功能分析、系统的设计思路，数据库设计主要论述了数据库的设计，系统的详细设计部分主要论述了几个主要模块的详细设计过程。
【MySQL进阶之路 | 高级篇】简述Bin Log日志
2301_80912559的博客
07-27 878
binlog即binary log，二进制日志文件，也叫作变更日志(update log)。二进制日志可以通过数据库的全量备份和二进制日志中保存的增量信息，完成数据库的无损失恢复I但是，如果遇到数据量大、数据库和数据表很多(比如分库分表的应用)的场景，用二进制日志进行数据恢复，是很有挑战性的，因为起止位置不容易管理。在这种情况下，一个有效的解决办法是配置主从数据库服务器，甚至是一主多从的架构，把二进制日志文件的内容通过中继日志，同步到从数据库服务器中，这样就可以有效避免数据库故障导致的数据异常等问题。
请帮我看看这个sql语句是否正确，并改正：select a.ebeln, a.ebelp, a.art, a.kdauf, a.zbw, a.size1, a.txz01, a.menge, b.quantity, (a.menge - b.quantity) as OWE_MATERIAL, ( select sum(THIS_PLAN_QTY) as HAVE_PLAN , a.ebeln , a.ebelp , a.kdauf from SCM_OUTSOURCE_PRODUCTION_PLAN_LIST c , SCM_PROCESS_PURCHASE_ORDER_D a group by c.order_no , c.order_seq , c.sales_order , a.ebeln , a.ebelp , a.kdauf having c.order_no = a.ebeln And c.order_seq = a.ebelp And c.sales_order = a.kdauf ) , ( select a.menge - t.HAVE_PLAN as OWN_PLAY from (select sum(THIS_PLAN_QTY) as HAVE_PLAN , c.order_no , c.order_seq , c.sales_order from SCM_OUTSOURCE_PRODUCTION_PLAN_LIST c , SCM_PROCESS_PURCHASE_ORDER_D a group by c.order_no , c.order_seq , c.sales_order , a.ebeln , a.ebelp , a.kdauf having c.order_no = a.ebeln And c.order_seq = a.ebelp And c.sales_order = a.kdauf ) t , SCM_PROCESS_PURCHASE_ORDER_D a where a.ebeln = t.order_no and a.ebelp = t.order_seq and a.menge = t.sales_order ) , d.scan_qty, (d.quantity - d.scan_qty) as OWN_PRODUCE, e.scan_qty, (e.quantity - e.scan_qty) as OWE_SHIP from SCM_PROCESS_PURCHASE_ORDER_D a left join MMS_INOUT_BILL_M b On a.ebeln = b.purchase_order_number And a.ebelp = b.purchase_order_seq And a.kdauf = b.sales_order left join SCM_OUTSOURCE_PRODUCTION_PLAN_LIST c on a.ebeln = c.order_no And a.ebelp = c.order_seq And a.kdauf = c.sales_order left join SCM_PROCESS_OUTPUT d on a.ebeln = d.order_no And a.ebelp = d.order_seq And a.kdauf = d.sales_order left join SCM_OUTSOURCE_SHIP e on a.ebeln = e.qr_code and a.ebelp = e.order_no and a.kdauf = e.order_seq where a.art = 'IE7181' Order by a.ebeln desc, a.ebelp;
05-24
这个 SQL 语句比较复杂，但是有一些问题需要修改： - 在子查询中，需要将 select 子句中的 a.ebeln, a.ebelp, a.kdauf 与 group by 子句中的字段保持一致，否则会出现错误。 - 子查询中的第一个 SELECT 子句需要加上 WHERE 子句，限制查询条件。 - 子查询中的第二个 SELECT 子句中的 a.menge 应该改为 t.sales_order。 - 在最后的 SELECT 子句中，d.scan_qty 与 e.scan_qty 都没有明确指定表名，可能会出现错误。 以下是修改后的 SQL 语句： ``` SELECT a.ebeln, a.ebelp, a.art, a.kdauf, a.zbw, a.size1, a.txz01, a.menge, b.quantity, (a.menge - b.quantity) AS OWE_MATERIAL, ( SELECT SUM(c.THIS_PLAN_QTY) AS HAVE_PLAN, a.ebeln, a.ebelp, a.kdauf FROM SCM_OUTSOURCE_PRODUCTION_PLAN_LIST c, SCM_PROCESS_PURCHASE_ORDER_D a WHERE c.order_no = a.ebeln AND c.order_seq = a.ebelp AND c.sales_order = a.kdauf AND a.art = 'IE7181' GROUP BY c.order_no, c.order_seq, c.sales_order, a.ebeln, a.ebelp, a.kdauf ), ( SELECT a.menge - t.sales_order AS OWN_PLAY FROM ( SELECT SUM(c.THIS_PLAN_QTY) AS HAVE_PLAN, c.order_no, c.order_seq, c.sales_order FROM SCM_OUTSOURCE_PRODUCTION_PLAN_LIST c, SCM_PROCESS_PURCHASE_ORDER_D a WHERE c.order_no = a.ebeln AND c.order_seq = a.ebelp AND c.sales_order = a.kdauf AND a.art = 'IE7181' GROUP BY c.order_no, c.order_seq, c.sales_order, a.ebeln, a.ebelp, a.kdauf ) t, SCM_PROCESS_PURCHASE_ORDER_D a WHERE a.ebeln = t.order_no AND a.ebelp = t.order_seq AND a.kdauf = t.sales_order AND a.art = 'IE7181' ), d.scan_qty, (d.quantity - d.scan_qty) AS OWN_PRODUCE, e.scan_qty, (e.quantity - e.scan_qty) AS OWE_SHIP FROM SCM_PROCESS_PURCHASE_ORDER_D a LEFT JOIN MMS_INOUT_BILL_M b ON a.ebeln = b.purchase_order_number AND a.ebelp = b.purchase_order_seq AND a.kdauf = b.sales_order LEFT JOIN SCM_OUTSOURCE_PRODUCTION_PLAN_LIST c ON a.ebeln = c.order_no AND a.ebelp = c.order_seq AND a.kdauf = c.sales_order LEFT JOIN SCM_PROCESS_OUTPUT d ON a.ebeln = d.order_no AND a.ebelp = d.order_seq AND a.kdauf = d.sales_order LEFT JOIN SCM_OUTSOURCE_SHIP e ON a.ebeln = e.qr_code AND a.ebelp = e.order_no AND a.kdauf = e.order_seq WHERE a.art = 'IE7181' ORDER BY a.ebeln DESC, a.ebelp; ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值