Pfam-A数据库（pfam35.0）使用记录

2022-08-21 本文已影响0人谁冒充我小叮当

文章仅是记录自己的学习使用，有错误请指出，我立刻改正！

一、结构域

结构域的不同组合方式产生的蛋白质在自然界中各种不同。因此蛋白结构域的鉴别对分析蛋白质的功能来说尤其重要。
fig1.蛋白结构域.png
Pfam是一个被广泛使用的蛋白家族结构域数据库，其依赖于多序列比对和隐马尔可夫模型（HMMs）鉴定一个或多个蛋白质功能结构域。

二、Pfam-A数据库介绍

（一）Pfam

Pfam数据库中，提供了以下3个不同层级蛋白质家族信息。
1、family 。每个family以PF编号**标识，family可以分为以下5种类型：
fig2.family-type

2、clans。对多个family进行相似性聚类，将具有相似的三维结构或者相同motif的family归为一个clan,每个clan以CL编号标识。
3、proteones。物种的蛋白质组信息说明。查询蛋白质结构域，蛋白质结构域超级家族，物种蛋白质组信息。

（二）Pfam-A和Pfam-B

Pfam-A：Pfam-A来自基础序列数据库Pfamseq，是根据最新的UniProtKB数据建立的。为高质量，手工确定的蛋白结构域数据。
Pfam-B为基于Pfam-A数据库自动注释得到的蛋白结构域数据库。
fig3.Pfam35.0.png

1、Pfam-A.dead.gz：已从数据库中删除的蛋白家族列表
2、Pfam-A.fasta.gz：每个Pfam-A家族的90%非冗余fasta格式序列合集。这些序列仅是模型命中的区域，不是全长蛋白质序列。
3、Pfam-A.full.gz：针对pfamseq/UniProtKB参考蛋白质组进行搜索，得到的curated家族的完全比对结果（在Pfam 29.0之前，该文件包含与整个UniProtKB的匹配）。
4、Pfam-A.full.uniprot.gz：针对UniProtKB进行搜索，得到的curated家族的完整比对结果。
5、Pfam-A.hmm.dat.gz：包含每个 Pfam-A 家族信息的数据文件
6、Pfam-A.hmm.gz：Pfam HMM 库，用于结构域比对
官方说明：https://pfam-docs.readthedocs.io/en/latest/ftp-site.html

三、Pfam-A本地化

##下载Pfam-A.hmm##
wget ftp://ftp.ebi.ac.uk/pub/databases/Pfam/releases/Pfam35.0/Pfam-A.hmm.gz
gzip -d Pfam-A.hmm.gz

##下载hmmer##
conda create -n hmmer
source activate hmmer
conda install -c bioconda hmmer

##比对结构域##
hmmpress Pfam-A.hmm  #本地化数据库
hmmscan -o out.txt --tblout out.tbl --noali -E 1e-5 --cpu 1 Pfam-A.hmm fasta_file
#HMMER参数：
#Usage: hmmscan [-options] <hmmdb> <seqfile>
#-o FILE:将结果输出到指定的文件中。默认是输出到标准输出
#--tblout FILE:将蛋白质家族的结果以表格形式输出到指定的文件中。默认不输出该文件
#--noali:在输出结果中不包含比对信息。输出文件的大小则会更小
#--acc:在输出结果中包含 PF 的编号，默认是蛋白质家族的名称
#-E FLOAT:设定 E_value 阈值，推荐设置为 1e-5
#-T FLOAT:设定 Score 阈值
#--domE FLOAT:设定 E_value 阈值。该参数和 -E 参数类似，不过是 domain 比对设定的值
#--cpu:多线程运行的CPU。默认应该是大于1的，表示支持多线程运行。当并行数高于4的时候，会报错：Fatal exception (source file esl_threads.c, line 129)。这时，设置--cpu的值为1即可

生成结果文件 out.txt 和 out.tbl
1、out.txt 文件信息比较全面，但是不好阅读；
2、out.tbl 文件则是表格形式的结果，是一般需要的结果。