interproscan

interproscan 是个基因注释工具，可以一次运行实现多个数据库的注释。用户既可以提交蛋白序列也可以提交核酸序列，还可以对输出格式进行设置。

具体支持的数据库有：

• CDD
• COILS
• Gene3D
• HAMAP
• MOBIDB
• PANTHER
• Pfam
• PIRSF
• PRINTS
• PROSITE (Profiles and Patterns)
• SFLD
• SMART (默认是非许可版本，结果会与许可版本不同)
• SUPERFAMILY
• TIGRFAMs

下面这些分析虽然也能用 interproscan 来进行，但许可代码（licensed code）和数据（data）是由第三方提供的，需要自己下载并配置：

• Phobius (licensed software)
• SignalP
• SMART (licensed components)
• TMHMM

安装要求

• 64-bit Linux
• Perl 5 (default on most Linux distributions)
• Python 3 (InterProScan 5.30-69.0 onwards)
• Java JDK/JRE version 11 (InterProScan 5.37-76.0 onwards)
• Environment variables set
  $JAVA_HOME should point to the location of the JVM
  $JAVA_HOME/bin should be added to the $PATH
  具体如何配置安装环境查看官方文档。

下载安装 interproscan

mkdir my_interproscan
cd my_interproscan
wget ftp://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/5.45-80.0/interproscan-5.45-80.0-64-bit.tar.gz
wget ftp://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/5.45-80.0/interproscan-5.45-80.0-64-bit.tar.gz.md5

# 推荐用md5sum检查下载是否成功
md5sum -c interproscan-5.45-80.0-64-bit.tar.gz.md5
# Must return *interproscan-5.45-80.0-64-bit.tar.gz: OK*
# If not - try downloading the file again as it may be a corrupted copy.

tar -pxzf interproscan-5.45-80.0-64-bit.tar.gz

# where:
#     p = preserve the file permissions
#     x = extract files from an archive
#     z = filter the archive through gzip
#     f = use archive file

下载 Panther Models

可以用来做 Panther member database analysis，具体看分析需求，可下可不下。
安装前需先将 interproscan 下载并安装好，需要在 interproscan 所在的文件夹内创建 data 文件夹，并将其下载解压在该文件夹。

cd [InterProScan5 home]/data/

wget ftp://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/data/panther-data-14.1.tar.gz
wget ftp://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/data/panther-data-14.1.tar.gz.md5

md5sum -c panther-data-14.1.tar.gz.md5
# This must return *panther-data-14.1.tar.gz: OK*
# If not - try downloading the file again as it may be a corrupted copy.

tar -pxvzf panther-data-14.1.tar.gz

使用 Local Pre-calculated Match Lookup Service (Optional)

通过提交序列在线比对来加快注释速度，需要电脑能连接 http://www.ebi.ac.uk
也可以下载到本地 download and install the InterProScan 5 lookup service，
或者直接关闭这个服务，这样分析就只会本地进行。

在分析时添加 -dp 参数或直接在interproscan.properties中注释掉即可
#precalculated.match.lookup.service.url=https://www.ebi.ac.uk/interpro/match-lookup

使用 interproscan

# 查看用法
./interproscan.sh

# 测试运行，结果应该会个生成两个文件
./interproscan.sh -i test_proteins.fasta -f tsv
./interproscan.sh -i test_proteins.fasta -f tsv -dp

输入格式

fasta 格式的蛋白或核酸序列，序列中不能含有 · - 或 * 等非法字符。

输出格式

• TSV: A simple tab-delimited file format
• XML: The "IMPACT" XML format (XSD available here).
• JSON: Full output of results in JSON format
• GFF3: The GFF 3.0 format
• HTML: An HTML representation of the protein matches
• SVG: An Scalable Vector Graphics representation of the protein matches

TSV示例输出

P51587  14086411a2cdf1c4cba63020e1622579    3418    Pfam    PF09103 BRCA2, oligonucleotide/oligosaccharide-binding, domain 1    2670    2799    7.9E-43 T   15-03-2013
P51587  14086411a2cdf1c4cba63020e1622579    3418    ProSiteProfiles PS50138 BRCA2 repeat profile.   1002    1036    0.0 T   18-03-2013  IPR002093   BRCA2 repeat    GO:0005515|GO:0006302
P51587  14086411a2cdf1c4cba63020e1622579    3418    Gene3D  G3DSA:2.40.50.140       2966    3051    3.1E-52 T   15-03-2013
...

每一列说明：

1. 蛋白 accession (e.g. P51587)
2. 序列 MD5 digest (e.g. 14086411a2cdf1c4cba63020e1622579)
3. 序列长度 (e.g. 3418)
4. 分析所用的库 (e.g. Pfam / PRINTS / Gene3D)
5. 特征编号（Signature Accession ） (e.g. PF09103 / G3DSA:2.40.50.140)
6. 特征描述（Signature Description） (e.g. BRCA2 repeat profile)
7. 起始位置
8. 终止位置
9. e-value 得分 (e.g. 3.1E-52)
10. 匹配的状态 (T: true)
11. 运行时间
12. InterPro 注释编号 (e.g. IPR002093) 需开启lookup service
13. InterPro 注释描述 (e.g. BRCA2 repeat) 需开启lookup service
14. GO 注释 (e.g. GO:0005515) 需 goterms 参数
15. 通道注释 (e.g. REACT_71) 需 pathways 参数

运行错误提示

在运行测试文件出现一些错误

Error output from binary:
Can't locate Data/Dumper.pm in @INC (@INC contains: /usr/local/lib64/perl5 /usr/local/share/perl5 /usr/lib64/perl5/vendor_perl /usr/share/perl5/vendor_perl /usr/lib64/perl5 /usr/share/perl5 .) at bin/prosite/ps_scan.pl line 700.
BEGIN failed--compilation aborted at bin/prosite/ps_scan.pl line 700.

原因：缺失 Data/Dumper.pm
解决：联网下直接安装 Data/Dumper.pm， yum install 'perl(Data::Dumper)'

Error output from binary:
Can't locate Digest/MD5.pm in @INC (@INC contains: /usr/local/lib64/perl5 /usr/local/share/perl5 /usr/lib64/perl5/vendor_perl /usr/share/perl5/vendor_perl /usr/lib64/perl5 /usr/share/perl5 .) at bin/prosite/ps_scan.pl line 38.
BEGIN failed--compilation aborted at bin/prosite/ps_scan.pl line 38.

原因：缺失 Digest/MD5.pm
解决：联网下直接安装 Digest/MD5.pm，yum -y install perl-Digest-MD5