最近在探索全基因組基因家族的分析方法，而找到某一家族需要通過保守結(jié)構(gòu)域來預測，從而找到物種的某一基因家族，從而進行之后的分析。這里就需要用到HMMER3.1軟件，鑒定物種某一基因家族。下面開始HMMER3.1基本使用教程。
1.軟件的下載與安裝
系統(tǒng)環(huán)境：Ubuntu16.04 LTS
HMMER3.1官方下載地址：http://hmmer.org/download.html。
HMMER3.1使用手冊：http://eddylab.org/software/hmmer3/3.1b2/Userguide.pdf。
# 直接下載匹配OS的二進制包，根本就不需要進行安裝，只要稍微設置一下PATH變量就可以使用了，非常方便。
# 在home目錄下創(chuàng)建biosoft目錄，一般的生物分析軟件都在這里
mkdir biosoft
cd biosoft
# 下載二進制包解壓，速度好像有些慢，只能無奈等待
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
# 將binaries目錄添加到環(huán)境變量中，能夠全局環(huán)境使用
cd ~
# 我這里使用的shell是zsh，有些不太一樣，一般需要修改.bashrc文件，我這里是.zshrc，打開文件在最后面添加一句
vim ./zshrc
##(添加的語句) PATH=$PATH:~/biosoft/hmmer-3.1b2-linux-intel-x86_64/binaries
source .zshrc
hmmbuild/hmmsearch/hmmscan/hmmalign are the core functionalities for protein domain analysis and annotation pipelines.
主要的蛋白質(zhì)domain分析和注釋管道流就是這四個二進制文件——hmmbuild/hmmsearch/hmmscan/hmmalign
2.軟件使用
本文使用的數(shù)據(jù)例子都是安裝包中提供的，在
~/biosoft/hmmer-3.1b2-linux-intel-x86_64/tutorial目錄中。
2.1 hmmbuild構(gòu)建HMM文件
該程序需要提供sto格式的序列比對文件，格式如圖所示，它的主要區(qū)別就是# STOCKHOLM 1.0開頭和//結(jié)尾。
一般我們要去獲得已知基因組的某個家族成員，常用的方法就是從已知的某個物種的基因家族成員的保守結(jié)構(gòu)序列去比對。而HMMER3.1需要sto格式的序列比對結(jié)果，因此我們要將比對之后的序列轉(zhuǎn)換成sto格式。在線工具:sequence conversion可以將很多格式的比對結(jié)果轉(zhuǎn)換成sto格式。需要注意的是：比對后的序列長度一定要一致，否則沒有辦法進行轉(zhuǎn)換。
有了比對文件之后，可以開始構(gòu)建HMM文件，hmmbuild +要輸出的文件名（.hmm）+sto文件（相對路徑），用法如下：
hmmbuild globins4.hmm tutorial/globins4.sto，然后會得到如下信息：
HMM文件已經(jīng)生成了，我們來看一下，其中的內(nèi)容，但是好像看不懂，使用手冊里說這是ASCII碼文件，之后還會提到。解釋一下其中的idx這一行，nseq表示一共四條序列，alen表示比對氨基酸一共171個，mlen表示最大比對上149個氨基酸，eff_nseq表示比對效率0.96存在22個gap，re/pos表示每個位置的相對熵0.589（這個就表示看不太懂）。
2.2 hmmsearch搜索序列數(shù)據(jù)庫
首先，得有一個本地的數(shù)據(jù)庫讓你來搜索，這個蛋白質(zhì)數(shù)據(jù)文件比較大，是fasta格式，uniprot sprot.fasta，我已經(jīng)是提前下載好了,解壓之后大概300M左右的大小，但是你也可以不用下載，用一個比較小的現(xiàn)有子文件globin45.fa，大概有45條蛋白序列。hmmsearch可以識別的格式包括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，蛋白質(zhì)庫是下載的，重定向輸出globins4.out文件。文件內(nèi)容：
比對結(jié)果的說明：最后兩列是對序列的說明和描述信息，第一列的E-vaule是最終要的一個參數(shù)，越小越有可能是同源的序列，第二列的score也可以用來評估可能性，而且不依賴于比對數(shù)據(jù)庫的大小，只依賴HMM文件和目標序列，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，但是這個數(shù)值一般不重要，可以忽略不看。后面的3列也是一樣的參數(shù)，只是對于best 1 domain而言，前三列是對于full sequence而言。最后的#dom內(nèi)容是有多少個domain，exp是均值，可以是小數(shù)，而N是真正的整數(shù)個數(shù)。
這是最基本的使用，后續(xù)如何從比對到的序列中再進一步進行相關序列的挖掘還需進一步探索。請各位指正，難免有錯誤。
