interproscan安装及详细设置

详细的安装及配置步骤请参见iprscan的文档Installing_InterProScan.txt

1.在安装iprscan之前,你的linux系统需要如下基本组件:

PERL,这个常见的linux发行版都已经有了。
光有perl不够,你得有iprscan依赖的一些perl模块:
 * CGI
 * DB_File.pm - the interface to Berkeley DB
 * English
 * File::Basename
 * File::Copy
 * File::Path
 * File::Spec::Functions
 * FileHandle
 * IO::Scalar
 * IO::String
 * Mail::Send
 * Sys::Hostname
 * URI::Escape
 * XML::Parser.pm - libexpat (1.95.5 or newer) which is needed for the new
                    implementation of BlastProDom and to parse xml outputs.
 * XML::Quote

安装这些perl模块很简单,我都是用CPAN直接装的,有些模块CPAN装不了(test过不了,冲突等等),手动安装,并把模块放到系统路径中。

2.各类模块装好后,下载iprscan的源码或可执行程序与及相关数据库

下载链接:ftp://ftp.ebi.ac.uk/pub/databases/interpro/iprscan
需要下载的文件及路径:
* RELEASE/latest/iprscan_v4.8.tar.gz  - InterProScan itself
* BIN/4.x/iprscan_bin4.x_[PLATFORM].tar.gz - Binaries for the various platforms
* DATA/iprscan_DATA_[LATESTDATAVERSION].tar.gz - databases used by InterProScan (except Panther)
* DATA/iprscan_PTHR_DATA_[LATESTDATAVERSION].tar.gz - panther database and indexes
* DATA/iprscan_MATCH_DATA_[LATESTDATAVERSION].tar.gz - match_complete.xml and interpro.xml files

3.解压缩各类文件

将以上各个压缩包拷到你要安装iprscan的目录下,解压缩各个文件
gunzip -c iprscan_DATA_[LATEST_VERSION].tar.gz | tar -xvf -
gunzip -c iprscan_PTHR_DATA_[LATESTDATAVERSION].tar.gz | tar -xvf -
gunzip -c iprscan_MATCH_DATA_[LATESTDATAVERSION].tar.gz | tar -xvf -
gunzip -c iprscan_bin4.x_[PLATFORM].tar.gz | tar -xvf -
gunzip -c iprscan_v4.8.tar.gz | tar -xvf -

解压缩后,当前目录下的结构:
./iprscan/
       |-bin   = 可执行程序位置
       |  `-binaries/
       |-conf  = 配置文件
       |-data  = 数据库文件
       |-docs  = 文档
       |-image = 图片
       |-lib   = 一些iprscan依赖的perl模块
       `-tmp   = 运行中间目录

到这里,interproscan就算安装完了,很简单,但是安装完了不代表就可以直接使用了,麻烦的是后面的配置。

4.配置iprscan

其实配置也没有那么困难,在iprscan目录下有个config.pl脚本,直接用它就可以进行配置了。

4.1
运行perl Config.pl
在运行过程中会跳出很多选项,按照自己系统的情况选择就行了。
4.2
Reconfigure everything (first time install)? (y|n)
如果你之前已经安装配置过iprscan,现在需要调整一些配置,就选n,如果是刚装了iprscan,就选y
Do you want to set paths? (y|n):
Enter the full path for the InterProScan installation?:
以上是告知你的iprscan所在的位置,可选可不选
Do you want to set another one Perl command in place of [default_PERL]?
一般来说是否,perl嘛除非你机器上有好几个perl版本
4.3
Setup chunk size? (y|n)
Enter chunk size (default 10):
这个设置比较重要,如果你的系统是多线程多CPU的,你可以选择y,单线程的就没必要了。
选择yes之后,你需要设置chunk的大小,所谓chunk,就是把你的fasta文件分割成很多个小文件,这个数值10表示你希望每一个fasta文件内只包含10条序列。假设你有100条蛋白需要扫描,设置为10,就会把你的原始fasta文件分割为10个,每个文件会单独被提交给iprscan进行扫描,假设你有16个CPU,这时10个文件就能同时被提交给系统进行扫描,速度加快了很多。
但是,在基因组层级的注释中,往往是几万个蛋白序列,这个初始值10就太小了,因为你的文件将会被分割成好几千的小块。就算是16CPU的系统,速度也是很慢的,因为分割成小块单独扫描的结果最后还是要合并在一起。
我的超算有900个CPU,不过资源比较紧张,经常只有200个左右CPU能抢到,所以我一般设了200,一个4万个蛋白的文件就分割成200个。
如果是小机器,双核4线程之类,这个值设的越高越好,除非你的数据非常少。

4.4 下面一堆设置无关紧要,除非有特殊需求
Do you want to configure it? (y|n)
Enter the maximum of input protein sequences (default = 1000):
我一般设成1000000,要不然超算的优势就没了。
Enter the maximum of input nucleic sequences (default = 100):
我一般设成50,我觉得15~20个氨基酸的短domain还是有不少的
Enter the maximum length (nucleic acids) for a nucleotide sequence (default = 10000):
Enter the minimum length (amino acids) for a protein sequence (default = 5):
Enter the minimum length for the length of a translated orf (default = 50):
Enter the default codon table value to use to translate dna/rna in six frames (default = 0):

下面的设置主要跟超算有关
Do you want to setup applications (if you don't, no applications will be included in InterProScan by default)?(y/n)
Do you wish to use a queue system? (y|n) 你有超算就yes
Do you want to use sge6/lsf42/pbs (y|n) 超算队列管理系统,我的是lsf
Do you want to set a global cluster name for all applications? (Default = 'n') (y|n): 我们超算没啥特殊名字,no
Do you want to set a global queue name for all applications? (Default = 'n') (y|n): 超算的队列名
Is all this information correct? (y|n) yes

4.5 最后一步,设置你需要使用的数据库
基本上跟上面一样,就是各类数据库你要用还是不用的问题了。

4.6 后面的步骤不需要说了,设置完成后,config.pl会帮你完成所有的配置过程,还是需要一段时间的。

昨天虽然run了iprscan,但是还是存在问题-里面的profilescan模块一直是运行错误的,检查了log文件后发现这个模块需要libg2c.so文件,libg2c.so是GCC 4版本以前的fotran编译器需要使用的一个库,现在很多新的linux发行版本都不带这个库了。这样,我只能再装一个GCC 3.4, 编译好后把它的lib放到LD_LIBRARY_PATH系统变量中,这个问题就解决了。

  • 文章来源: 未知。文章来源待更新,请等待。
  • 版权说明: 除非特殊说明,本站文章版权归于文章来源网站或投稿作者。未标记来源文章,请原作者联系管理员更新版权信息

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

目前评论:7   其中:访客  6   博主  1

  1. bbsunchen 1

    说一下安装时需要特别注意的事情。
    1.perl模块依赖 用perldoc 模块名就可以查是否安装,一般来说只有最后一个XML::Quote很少装,模块名区分大小写
    2.chunk一般设50性价比比较高
    3.email等不是必须的,就选n吧。
    4.编译大概需要一小时的时间,如果你几分钟就编译通过了,那说明你的计算机非常非常牛逼,或者你需要检查一下了。

  2. bbsunchen 1

    超算的队列名是什么意思?如果你是lsf,就输入lsf?

    • ybzhao

      @bbsunchen 不同的集群上安装的队列系统不一样,有一部分装的是pbs,或lsf等。

  3. boya888 3

    有网友讲本地跑interproscan非常之慢,建议用其提供的interproscan.pl在线运行,默认参数下,大概40-50秒返回一个结果!
    请问interproscan.pl在哪儿下载?难道是要先安装?
    The main script is the one called “iprscan” in the bin/ directory. It acts as both a command-line script (when the -cli option is used) and as the CGI script if and when a user has installed the web interface to InterProScan.

    请教,下面这个群魔乱舞的结果是什么意思?该怎么分析?
    visual-png

  4. boya888 3

    PANTHER与InterProScan绑定!
    ftp://ftp.ebi.ac.uk/pub/databases/interpro/iprscan/5/data/panther-data-7.0.tar.gz [4745537 KB]
    The PANTHER (Protein ANalysis THrough Evolutionary Relationships) Classification System was designed to classify proteins (and their genes) in order to facilitate high-throughput analysis.
    hmmsearch from the HMM2.3.2 package and blastall from the Blast package.

    PANTHER
    is a large collection of protein families that have been subdivided into functionally related subfamilies, using human expertise. These subfamilies model the divergence of specific functions within protein families, allowing more accurate association with function (human-curated molecular function and biological process classifications and pathway diagrams), as well as inference of amino acids important for functional specificity. Hidden Markov models (HMMs) are built for each family and subfamily for classifying additional protein sequences.

  5. boya888 3

    interproscan.pl找到啦!
    http://www.ebi.ac.uk/Tools/webservices/services/pfa/iprscan_rest
    Representational state transfer (REST): a software architecture style.
    Clients
    http://www.ebi.ac.uk/Tools/webservices/services/pfa/iprscan_soap
    Simple Object Access Protocol (SOAP): a messaging protocol for transporting information.
    Clients

    请班主删除重盖的4楼!
    为什么发言不能编辑? :oops:
    还有为什么3、4楼的图片显示不完整? :sad:

    • zsl 0

      @boya888 你好,具体是怎么做的。我本地配置卡住一直不动