能否在Windows系統上安裝HMMER軟體？

windows系統能不能裝hmmer軟體

hmmer下載與安裝

對於Mac OS/X, Linux, UNIX系統，用原始碼編譯安裝：

% wget ftp://selab.janelia.org/pub/software/hmmer3/3.0/hmmer-3.0.tar.gz % tar zxf hmmer-3.0.tar.gz % cd hmmer-3.0 % ./configure % make % make check

windows系統，直接下載二進位壓縮包，解壓縮就可以使用。

hmmer包含的程式

phmmer： 與Blastp類似，使用一個蛋白質序列搜尋蛋白質序列庫；

>phmmer tutorial/HBB HUMAN uniprot sprot.fa

jackhmmer： 與psiBlast類似，蛋白質序列迭代搜尋蛋白質序列庫；

>jackhmmer tutorial/HBB HUMAN uniprot sprot.fa

hmmbuild： 用多重比對序列建構HMM模型；

hmmsearch： 使用HMM模型搜尋序列庫；

hmmscan： 使用序列搜尋HMM函式庫；

hmmalign： 使用HMM為線索，建構多重比對序列；

>hmmalign globins4.hmm tutorial/globins45.fa

hmmconvert： 轉換HMM格式

hmmemit： 從HMM模型中，得到一個模式序列；

hmmfetch： 透過名字或接受號從HMM庫取回一個HMM模型；

hmmpress：格式化HMM資料庫，以便於hmmscan搜尋使用；

hmmstat：顯示HMM資料庫的統計資料；

使用HMM模型搜尋序列資料庫

使用hmmbuild建構HMM模型，輸入為Stockholm格式或FASTA格式的多重比對序列檔（如：tutorial/globins4.sto），指令如下：

>hmmbuild globins4.hmm tutorial/globins4.sto

globins4.hmm為輸出的HMM模型

使用hmmsearch搜尋蛋白質序列資料庫，蛋白質序列資料庫為FASTA格式，指令如下：

>hmmsearch globins4.hmm uniprot sprot.fasta >globins4.out

globins4.out為輸出的結果文件，如下：

*範例使用官方教學中的範例

使用蛋白質序列搜尋HMM資料庫

建立HMM資料庫，HMM資料庫是包含多個HMM模型的文件，可以從Pfam、SMART、TIGRFams下載，也可以自己由多重比對序列集中構建，如：

>hmmbuild globins4.hmm tutorial/globins4.sto

>hmmbuild fn3.hmm tutorial/fn3.sto

>hmmbuild Pkinase.hmm tutorial/Pkinase.sto

>cat globins4.hmm fn3.hmm Pkinase.hmm >minifam

#使用hmmpress格式化資料庫，包括壓縮以及建立索引，指令如下：

>hmmpress minifam

這個步驟可以很快的執行完成，輸出的內容如下：

Working… done.

Pressed and indexed 3 HMMs (3 names and 2 accessions).

Models pressed into binary file: minifam.h3m

SSI index for binary model file: minifam.h3i

Profiles (MSV part) pressed into: minifam.h3f

Profiles (remainder) pressed into: minifam.h3p

使用hmmscan搜尋HMM資料庫，指令如下：

>hmmscan minifam tutorial/7LESS_DROME

hmmer軟體怎麼將fasta格式檔案轉換為sto格式

這問題我也遇到了，網路找半天沒找到合適的方案，於是自己寫了一個，程式碼如下

import glob # 都是標準函式庫的東西

import os

# 把你想建造hmm的fasta檔案（比對好的）和本程式放在同一個資料夾裡，然後執行本程式直接跑hmmbuild

os.chdir(os.path.dirname(__file__))

fs = glob.glob('*.fasta') # 取得每個fasta文件，如果你的fasta檔案裡有不是.fasta後綴名的，可以改這裡，或直接改成'*.fa*'

for f in fs:

hmm = os.path.splitext(f)[0] '.hmm'

stockholm = os.path.splitext(f)[0] '.sto'

with open(f, 'r') as fhandle： # 這個是讀fasta檔案用的，把所有fasta檔案都存到列表裡

fastas = ['>' tmp.replace('\n', '\r', 1).replace('\n', '').replace('\r', '\n') for tmp in tuple(filter(None, (fhandle.read().split('>'))))]

for i in range(len(fastas)):

fastas[i] = fastas[i].split('\n')

fastas[i][0] = fastas[i][0].split()[0][1:10]

tmp = []

for j in range(len(fastas[i][1]) // 80 1):

tmp.append(fastas[i][1][80 * j : 80 * j 80])

fastas[i][1] = tmp

with open(stockholm, 'w') as out： # 這裡在寫sto檔案

out.write('# STOCKHOLM 1.0\n\n')

for j in range(len(fastas[0][1]) - 1):

for i in range(len(fastas)):

out.write('% -12s%s\n' % (fastas[i][0], fastas[i][1][j]))

out.write('\n')

for i in range(len(fastas)):

out.write('% -12s%s\n' % (fastas[i][0], fastas[i][1][-1]))

out.write('//')

os.system('hmmbuild --amino %s %s' % (hmm, stockholm)） # 這裡在跑hmmbuild，你可以自行修改裡面的參數

如何自學生物資訊學

1，從現有的生物資訊工具開始，要熟悉如何利用先用的軟體、網路伺服器、資料庫等等，為生物研究服務，不要做重複工作，能用現成的就不自己開發。

2，熟悉命令列的作業系統，DOS,Linux，可以寫簡單的shell；進而安裝命令列層級的程序，跑一些常規的流程。要學習如何尋找和安裝軟體，這是最重要且最基本的技能。其實很多問題，如果找到合適的軟體包，都是迎刃而解的。

3，熟悉一種簡單的腳本語言，個人推薦用python，具體原因可以見我的貼文。在沒有現成工具時，或需要資料格式轉換時，小的腳本是非常有用的。一般的應用程式不需要自己寫太多的程式碼，要相信我們通常遇到的問題，別的高手可能早就遇到了，所以網路上有大量的工具包。至於更多的程式語言，一門精則門門通，R,perl等都是類似的。

4，熟悉簡單的演算法和資料結構的知識，這樣就可以理解許多程式的內在機制，進而知道它們的優點和缺點，對自己寫程式也有幫助。有精力的話，進而學習統計、機器學習等。 。

5，在自己的生物領域內擴展，調查，分析，開發。

以上是能否在Windows系統上安裝HMMER軟體？的詳細內容。更多資訊請關注PHP中文網其他相關文章！