PSP - 更新 MSA 搜索的全部 UniProt 蛋白序列库_蛋白质 msa获取

欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://blog.csdn.net/caroline_wendy/article/details/131115471

UniProt 是一个提供蛋白质序列和功能信息的数据库，由欧洲生物信息学研究所（EMBL-EBI）、美国瑞士生物技术信息中心（SIB）和美国蛋白质信息资源（PIR）共同维护。

UniProt 包括三个主要部分：UniProt 知识库（UniProtKB）、UniProt 非冗余参考集合（UniRef）和UniProt 档案（UniParc）。

• UniProtKB 是一个高质量的注释数据库，包含两个子部分：UniProtKB/Swiss-Prot，是一个由专家手工注释的数据库，包含已知的蛋白质序列和功能信息；UniProtKB/TrEMBL，是一个由计算机自动注释的数据库，包含从基因组、转录组和蛋白组项目中收集的蛋白质序列。
• UniRef 是一个为了加快搜索速度而创建的非冗余蛋白质集合，它根据序列相似度将 UniProtKB 中的蛋白质分为三个集合：UniRef100、UniRef90 和 UniRef50。
• UniParc 是一个包含所有已知的蛋白质序列的档案，它不对序列进行任何修改或注释，只是为每个序列分配一个唯一的标识符。

以 升级 DeepMSA2 的搜索库为例，更新 MSA 搜索的全部蛋白序列库，包括UniRef90、BFD、MGnify、UniClust30、UniRef30、MetaClust、TARA、IMG、MetaSource等，如图所示：

配置信息位于：

dit_utils/constants.py
1

MSA库路径的修改，如下：

# 原始路径
libdir = "[Your Folder]/ITLIB"   # template library directory

# 最新路径
libdir = "[Your New Folder]/msa_databases/deepmsa2"   # template library directory
1
2
3
4
5

工程逻辑DeepMSA2_noIMG.pl的修改，如下：

my $qhhblitsdb="$ITlibdir/uniref30/UniRef30_2022_02"; # upgrade v2: uniclust30_2017_04 -> UniRef30_2022_02
my $qjackhmmerdb="$ITlibdir/uniref90/uniref90.fasta";  # upgrade v2: file
my $qhhblits3db="$ITlibdir/bfd/bfd_metaclust_clu_complete_id30_c90_final_seq.sorted_opt";  # upgrade v2: file
my $qhmmsearchdb="$ITlibdir/mgnify/mgy_clusters_2022_05.fa";  # upgrade v2: mgy_clusters.clean.fasta -> mgy_clusters_2022_05.fa

my $dhhblitsdb="$ITlibdir/uniclust30/uniclust30_2018_08"; # upgrade v2: uniclust30_2017_04 -> uniclust30_2018_08
my $djackhmmerdb="$ITlibdir/uniref90/uniref90.fasta";  # upgrade v2: file
# upgrade v2: metaclust.fasta file; mgy_clusters.clean.fasta -> mgy_clusters_2022_05.fa
my $dhmmsearchdb="$ITlibdir/m
1
2
3
4
5
6
7
8