HMMER3.1使用

下雪了

最近在探索全基因组基因家族的分析方法,而找到某一家族需要通过保守结构域来预测,从而找到物种的某一基因家族,从而进行之后的分析。这里就需要用到HMMER3.1软件,鉴定物种某一基因家族。下面开始HMMER3.1基本使用教程。

1.软件的下载与安装

系统环境:Ubuntu16.04 LTS
HMMER3.1官方下载地址:http://hmmer.org/download.html
HMMER3.1使用手册:http://eddylab.org/software/hmmer3/3.1b2/Userguide.pdf

# 直接下载匹配OS的二进制包,根本就不需要进行安装,只要稍微设置一下PATH变量就可以使用了,非常方便。
# 在home目录下创建biosoft目录,一般的生物分析软件都在这里
mkdir biosoft
cd biosoft 
# 下载二进制包解压,速度好像有些慢,只能无奈等待
wget http://eddylab.org/software/hmmer3/3.1b2/hmmer-3.1b2-linux-intel-x86_64.tar.gz
tar -zxvf hmmer-3.1b2-linux-intel-x86_64.tar.gz
# 将binaries目录添加到环境变量中,能够全局环境使用
cd ~
# 我这里使用的shell是zsh,有些不太一样,一般需要修改.bashrc文件,我这里是.zshrc,打开文件在最后面添加一句
vim ./zshrc
##(添加的语句) PATH=$PATH:~/biosoft/hmmer-3.1b2-linux-intel-x86_64/binaries
source .zshrc
下载的二进制包
解压后的目录

目录中包含的文件
binaries目录中的可运行程序,我们用到的就是其中的几个

hmmbuild/hmmsearch/hmmscan/hmmalign are the core functionalities for protein domain analysis and annotation pipelines.
主要的蛋白质domain分析和注释管道流就是这四个二进制文件——hmmbuild/hmmsearch/hmmscan/hmmalign

2.软件使用

本文使用的数据例子都是安装包中提供的,在~/biosoft/hmmer-3.1b2-linux-intel-x86_64/tutorial目录中。

数据文件例子

2.1 hmmbuild构建HMM文件

该程序需要提供sto格式的序列比对文件,格式如图所示,它的主要区别就是# STOCKHOLM 1.0开头和//结尾。

一般我们要去获得已知基因组的某个家族成员,常用的方法就是从已知的某个物种的基因家族成员的保守结构序列去比对。而HMMER3.1需要sto格式的序列比对结果,因此我们要将比对之后的序列转换成sto格式。在线工具:sequence conversion可以将很多格式的比对结果转换成sto格式。需要注意的是:比对后的序列长度一定要一致,否则没有办法进行转换

sto格式

有了比对文件之后,可以开始构建HMM文件,hmmbuild +要输出的文件名(.hmm)+sto文件(相对路径),用法如下:
hmmbuild globins4.hmm tutorial/globins4.sto,然后会得到如下信息:
hmmbuild成功构建HMM文件后的信息输出

解释一下其中的idx这一行,nseq表示一共四条序列,alen表示比对氨基酸一共171个,mlen表示最大比对上149个氨基酸,eff_nseq表示比对效率0.96存在22个gap,re/pos表示每个位置的相对熵0.589(这个就表示看不太懂)。

HMM文件已经生成了,我们来看一下,其中的内容,但是好像看不懂,使用手册里说这是ASCII码文件,之后还会提到。
HMM文件内容

2.2 hmmsearch搜索序列数据库

首先,得有一个本地的数据库让你来搜索,这个蛋白质数据文件比较大,是fasta格式,uniprot sprot.fasta,我已经是提前下载好了,解压之后大概300M左右的大小,但是你也可以不用下载,用一个比较小的现有子文件globin45.fa,大概有45条蛋白序列。hmmsearch可以识别的格式包括fasta,EMBL/UniProt文本格式和GENBANK格式。
用法hmmsearch globins4.hmm uniprot sprot.fasta > globins4.out,hmm文件是上一步生成的,蛋白质库是下载的,重定向输出globins4.out文件。文件内容:

第一部分,文件说明内容

第二部分,比对到的含有domain的序列,按E值来排序,从小到达

比对结果的说明:最后两列是对序列的说明和描述信息,第一列的E-vaule是最终要的一个参数,越小越有可能是同源的序列,第二列的score也可以用来评估可能性,而且不依赖于比对数据库的大小,只依赖HMM文件和目标序列,第三列bias是score的偏差,比如score是222.7,那么原始值就是加上3.2,等于225.9,但是这个数值一般不重要,可以忽略不看。后面的3列也是一样的参数,只是对于best 1 domain而言,前三列是对于full sequence而言。最后的#dom内容是有多少个domain,exp是均值,可以是小数,而N是真正的整数个数。

这是最基本的使用,后续如何从比对到的序列中再进一步进行相关序列的挖掘还需进一步探索。请各位指正,难免有错误。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 156,265评论 4 359
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,274评论 1 288
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 106,087评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,479评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 51,782评论 3 285
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,218评论 1 207
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,594评论 2 309
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,316评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,955评论 1 237
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,274评论 2 240
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,803评论 1 255
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,177评论 2 250
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,732评论 3 229
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,953评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,687评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,263评论 2 267
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,189评论 2 258

推荐阅读更多精彩内容