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

Software requirements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
  [图片上传失败...(image-2bb1e9-1688007629386)]

  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。
  1.检验perl安装版本(linux在安装的时候应该是自动配置了perl)：

$ perl -version
This is perl 5, version 30, subversion 3 (v5.30.3) built for x86_64-linux-gnu-thread-multi
(with 50 registered patches, see perl -V for more detail)

Copyright 1987-2020, Larry Wall

Perl may be copied only under the terms of either the Artistic License or the
GNU General Public License, which may be found in the Perl 5 source kit.

Complete documentation for Perl, including FAQ lists, should be found on
this system using "man perl" or "perldoc perl".  If you have access to the
Internet, point your browser at http://www.perl.org/, the Perl Home Page.

2.检验python版本(linux在安装的时候应该是自动配置了python,我的是有配置的)：

$ python3 --version
Python 3.8.6

3. 配置Java 环境
   ①：下载jdk包：本章使用的为后缀为tar.gz的文件（已经下载好了的），OpenJDK11U-jdk_x64_linux_hotspot_11.0.17_8.tar.gz
   ②：将压缩包上传至服务器安装目录下，并解压

$ ls
OpenJDK11U-jdk_x64_linux_hotspot_11.0.17_8.tar.gz
$ tar -zxvf OpenJDK11U-jdk_x64_linux_hotspot_11.0.17_8.tar.gz

③: 解压生成jdk-11.0.17+8文件夹，将文件夹目录路径添加到 .proflie 文件中

$ JAVA_HOME=/home/lpy/interpro/jdk-11.0.17+8
$ PATH=$JAVA_HOME/bin:$PATH
$ CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
$ export JAVA_HOME
$ export PATH
$ export CLASSPATH
$ source ./.profile
bash: ./.profile: No such file or directory
$ java -version
openjdk version "11.0.17" 2022-10-18
OpenJDK Runtime Environment Temurin-11.0.17+8 (build 11.0.17+8)
OpenJDK 64-Bit Server VM Temurin-11.0.17+8 (build 11.0.17+8, mixed mode)
应该每次要用的时候都要重新配置一下java环境。

下载安装

$ mkdir my_interproscan
$ ls
jdk-11.0.17+8    OpenJDK11U-jdk_x64_linux_hotspot_11.0.17_8.tar.gz
my_interproscan
$ wget https://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/5.59-91.0/interproscan-5.59-91.0-64-bit.tar.gz
$ wget https://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/5.59-91.0/interproscan-5.59-91.0-64-bit.tar.gz.md5

# Recommended checksum to confirm the download was successful:
md5sum -c interproscan-5.59-91.0-64-bit.tar.gz.md5
# Must return *interproscan-5.59-91.0-64-bit.tar.gz: OK*
# If not - try downloading the file again as it may be a corrupted copy.

当文件被压缩时强烈推荐使用md5sum检查文件是否已下载且没有错误，如上所述。

tar -pxvzf interproscan-5.59-91.0-*-bit.tar.gz

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

Index hmm models
首次运行interproscan之前，应运行以下命令：

python3 setup.py interproscan.properties

This command will press and index the hmm models to prepare them into a format used by hmmscan.

Running InterProScan

解压缩获得InterProScan后，可以直接从命令行运行InterProScan。
运行提供的shell脚本。如果您在没有参数的情况下运行此脚本，将向您显示使用说明：

./interproscan.sh

image

具体使用可查看帮助文档
https://interproscan-docs.readthedocs.io/en/latest/HowToRun.html

数据库使用
进入interproscan-5.47-82.0文件夹后可以拿里边的测试数据进行测试

./interproscan.sh #直接运行该脚本可以看到该数据库的各个使用参数，其中：

-i：输入文件

-o：输出文件，和-b参数（输出另一种格式）不能同时使用

-iprlookup -goterms：同时使用显示GO注释的GO ID（最好加上）

-f：输出文件格式，有TSV, XML, JSON, GFF3, HTML和SVG几种， TSV格式对于生信分析最为友好，蛋白序列默认 TSV, XML和GFF3,核酸默认GFF3和XML

-T ：临时文件生产路径，默认当前文件夹下生产temp（cluster模式会生产）

-appl：能够直接使用的数据库有SFLD,ProDom,Hamap,SMART,CDD,ProSiteProfiles,ProSitePatterns,SUPERFAMILY,PRINTS,PANTHER,Gene3D,PIRSF,Pfam,Coils,MobiDBLite，该参数默认选择全部可用数据库

其他参数可参考官网：Running InterProScan 5 — interproscan-docs documentation

运行脚本：

./interproscan.sh -iprlookup -goterms -appl Pfam -appl PRINTS -appl PANTHER -appl ProSiteProfiles -appl SMART -f TSV -i test_proteins.fasta -o test_proteins.fasta.ipscan

./interproscan.sh -iprlookup -goterms -appl Pfam -appl CDD -appl SMART -f TSV -i test_proteins.fasta -o test_proteins.fasta.ipscan

直接运行该脚本即可得到TSV格式的结果文件，-appl也可写成-appl Pfam,PRINTS,PANTHER,ProSiteProfiles,SMART

注意提交的蛋白序列不能有星号
遇到的问题：

image

内存不足，修改参数，将绿箭头的两个参数修改一下。

image

结果解读

image

报错参考：
https://interproscan-docs.readthedocs.io/en/latest/KnownIssues.html

参考：https://www.jianshu.com/p/1bc986ee1a9e
https://www.jianshu.com/p/9f958215ef2f