使用pfam-scan进行预测

一、 安装

• 使用conda安装Pfam_scan

$ conda create -n pfam_scan ##可新建一个环境，用于安装pfam-scan
$ source activate pfam_scan
$ conda install pfam_scan

pfam_scan依赖bioperl，因此，通过conda安装简单快捷.

• 安装hmmer3 , 使用以下命令安装：

$ 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

• 数据库下载：ftp://ftp.ebi.ac.uk/pub/databases/Pfam/current_release/
  下载三个文件：
  Pfam-A.hmm.dat.gz
  Pfam-A.hmm.gz
  active_site.dat.gz

最新版的Pfam数据库不再有Pfam-B了。

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

• 通过hmmerspress来把下载的数据建库：

 $ hmmpress Pfam-A.hmm

二、软件使用

参数说明：
 -dir ：  Pfam_data_file_dir   包含Pfam数据文件的目录[必须] 

-fasta ：  fasta_file   包含序列的输入文件名 [必须]

 -e_seq    序列E-value阈值 [不指定则使用默认阈值] 

 -e_dom   结构域E-value阈值 [不指定则使用默认阈值]

-b_seq     序列bit score阈值 [不指定则使用默认阈值]

-b_dom    结构域bit score阈值[不指定则使用默认阈值] 

 -align       在结果中显示比对片段 [默认关闭] 

 -as        预测Pfam-A数据库匹配的active sites[默认关闭] 

 -json [pretty]      输出结果使用JSON格式。例如指定值为[pretty]，则输出结果会使用"pretty" JSON格式输出 [默认关闭] 

 -cpu     并行工作的CPU数目 [默认全部]

-translate [mode]   将输入序列视为DNA，并在搜索前使用6框翻译的方法进行转换。如果翻译模式[mode]被指定，则必须为"all"或者"orf"。"all"表示完整翻译，包括终止子并且不产生单独的ORFs；"orf"表示只翻译和报告长度大于20的ORFs。
如果使用了翻译参数而没有指定翻译模式，则默认使用"orf"模式。[默认关闭]

• 例子

$  pfam_scan.pl -fasta ~/protein1.fa -dir ~/bio_softs/Pfam-A.hmm/ -outfile results_3.fa -as

<meta charset="utf-8">

三、结果格式

image

pfamscan蛋白结构域部分分析结果说明如下:
(1) seq_id：转录本ID+[0,1,2]，不存在于列表中的转录本为noncoding
(2) hmm start：比对到结构域的起始位置
(3) hmm end：比对到结构域的终止位置
(4) hmm acc：比对到pfam结构域的ID
(5) hmm name：pfam结构域名称
(6) hmm length：pfam结构域的长度
(7) bit score：比对打分分值
(8) E-value：比对的E值，pfam结构域筛选的条件是: Evalue < 0.001