使用Hmmer寻找同源基因

前言

近两天在做基因家族的分析，这是第一次接触这块，很多不是很了解。在筛选同源蛋白序列的时候，以前都是使用BLAST进行比对，这次看到很多教程都是使用HMMER进行寻找，那么也就顺便来学习一下吧。HMMER使用并不是很难，其实对于初学来说，难的主要是建立.hmm这一步。

Hmmer的安装

安装，主要是使用源码安装或是是使用conda进行安装即可。

conda安装

conda install -y hmmer

源码安装：

官网：http://www.hmmer.org/

任意下载一个版本即可，安装步骤不再做说明。

使用hmmbuild构建.hmm文件

在有些数据库中是有.hmm文件，只需要下载即可。但是，这仅仅只限于有些大数据库。对于我们自己使用，不可能全部都有，这就需要我们自己构建，很多教程到这步就是让你收费了.......。

在本教程，讲述其中一种方法吧，希望对大家有所帮助。

hmmbuild构建时，需要使用.sto文件进行构建。因此，我们必须获得.sto文件。

1. 使用mafft对蛋白基因进行比对

安装（自己解决，类似的方法即可）
比对

mafft --auto --clustalout ../Pfam.fasta > Pfam.clustal

转换
我们需要将.clustal转换成.sto格式。我们推荐使用Fasta to Phylip Sequence Converter网站进行转换(http://sequenceconversion.bugaco.com/converter/biology/sequences/fasta_to_phylip.php)。

可以有这么多的格式进行相互转换。我们选择以下的格式进行转换即可。
clustat格式
** sto格式**

以上转换后就可以直接进构建.hmm文件

2. hmmbuild构建`.hmm`文件

hmmbuild Pfam.hmm Pfam.sto

构建运行还是很快的，主要还是取决于你的基因数量。

3. hmmersarch进行同源搜索

直接搜索即可，序列格式fa.....等其他格式。我个人感觉其他格式，我们的用的还是很少吧，主要还是fa格式。

$ hmmsearch  -h
# hmmsearch :: search profile(s) against a sequence database
# HMMER 3.3.2 (Nov 2020); http://hmmer.org/
# Copyright (C) 2020 Howard Hughes Medical Institute.
# Freely distributed under the BSD open source license.
# - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Usage: hmmsearch [options] <hmmfile> <seqdb>

Basic options:
  -h : show brief help on version and usage

Options directing output:
  -o <f>           : direct output to file <f>, not stdout
  -A <f>           : save multiple alignment of all hits to file <f>
  --tblout <f>     : save parseable table of per-sequence hits to file <f>
  --domtblout <f>  : save parseable table of per-domain hits to file <f>
  --pfamtblout <f> : save table of hits and domains to file, in Pfam format <f>
  --acc            : prefer accessions over names in output
  --noali          : don't output alignments, so output is smaller
  --notextw        : unlimit ASCII text output line width
  --textw <n>      : set max width of ASCII text output lines  [120]  (n>=120)

使用：

hmmsearch Pfam.hmm your.fa > restult.out.txt

结果文件直接输出系统默认的结果，主要是E-value值小于0.05，系统就默认保留。这部分可以根据自己的要求，进一步的过滤即可。

这基因就是我们Pfam数据库能同源搜索的基因。到这里你就是你需要的结果。

教程简洁，希望对你有所帮助。

往期文章推荐：

1. 转录组分析教程
  小白学生信 | 转录组上游分析教程

1. 最全WGCNA教程（替换数据即可出全部结果与图形）

WGCNA分析 | 全流程分析代码 | 代码一

WGCNA分析 | 全流程分析代码 | 代码二

WGCNA分析 | 全流程代码分享 | 代码三

2. 精美图形绘制教程

精美图形绘制教程

小杜的生信筆記，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料!!

最后编辑于：2023.04.16 06:56:40