interproscan安装及详细设置

  • A+
所属分类:生物信息学

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。

  • 蛋白质组学业务咨询
  • 扫码咨询相关问题
  • weinxin
  • 代谢组学业务咨询
  • 扫码咨询相关问题
  • weinxin

发表评论

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