前言
Interproscan,通过蛋白质结构域和功能位点数据库预测蛋白质功能。是EBI开发的一个集成了蛋白质家族、结构域和功能位点的非冗余数据库，该数据库集成了一系列的数据库，如常见的pfam和GO注释，本文将介绍如何在本地集群上搭建Interproscan数据库，并如何配置SGE的投递参数
安装环境需要
本文示例InterProScan 5.47-82.0的安装使用，首先需要配置以下要求的perl、python3、JAVA JDK，并分别添加到~/.bashrc中
64-bit Linux
Perl (default on most Linux distributions)
Python 3 (InterProScan 5.30-69.0 onwards)
Java JDK/JRE version 11 (InterProScan 5.37-76.0 onwards)
数据库下载
5.47-82.0版本开始不需要单独下载panther，数据比较大，小编选择用的迅雷VIP下载的（不到不得已不要VIP，TM巨坑）
下载链接：ftp://ftp.ebi.ac.uk/pub/software/unix/iprscan/5/ #选择interproscan-5.47-82.0-64-bit.tar.gz
下载的时候最好把md5值一起下载下来，检验一下数据库下载无误：
md5sum -c interproscan-5.47-82.0-64-bit.tar.gz.md5
安装
将interproscan的压缩包放到需要安装的路径下，如：/database/ipscan/
cd /database/ipscan/
tar -pxvzf interproscan-5.47-82.0-64-bit.tar.gz #解压interproscan 数据库
python3 initial_setup.py #hmm models 建索引
此时该数据库可以进行使用了
因为小编只要在本地运行，不需要联网操作，所以编辑interproscan.properties 文件，将下边这行代码注释掉
precalculated.match.lookup.service.url=http://www.ebi.ac.uk/interpro/match-lookup
数据库使用
进入interproscan-5.47-82.0文件夹后可以拿里边的测试数据进行测试
./interproscan.sh #直接运行该脚本可以看到该数据库的各个使用参数，其中：
-i：输入文件
-o：输出文件，和-b参数（输出另一种格式）不能同时使用
-iprlookup -goterms：同时使用显示GO注释的GO ID（最好加上）
-f：输出文件格式，有TSV, XML, JSON, GFF3, HTML和SVG几种， TSV格式对于生信分析最为友好，蛋白序列默认 TSV, XML和GFF3,核酸默认GFF3和XML
-T ：临时文件生产路径，默认当前文件夹下生产temp（cluster模式会生产）
-appl：能够直接使用的数据库有SFLD,ProDom,Hamap,SMART,CDD,ProSiteProfiles,ProSitePatterns,SUPERFAMILY,PRINTS,PANTHER,Gene3D,PIRSF,Pfam,Coils,MobiDBLite，该参数默认选择全部可用数据库
其他参数可参考官网：Running InterProScan 5 — interproscan-docs documentation
运行脚本：
./interproscan.sh -iprlookup -goterms -appl Pfam -appl PRINTS -appl PANTHER -appl ProSiteProfiles -appl SMART -f TSV -i test_proteins.fasta -o test_proteins.fasta.ipscan
#直接运行该脚本即可得到TSV格式的结果文件，-appl也可写成-appl Pfam,PRINTS,PANTHER,ProSiteProfiles,SMART
SGE投递参数设置
单个和少数几个序列在本地直接运行会很方便，但是当序列比较大的时候，使用投递脚本会方便的多，这时需要切换到cluster模式，该数据库支持SGE和LSF投递，因为小编用的SGE，所以接下来介绍SGE投递参数配置
编辑interproscan.properties文件，添加或修改以下参数：
#Specify your cluster (LSF, SGE or any other cluster)
grid.name=sge #修改
#grid.name=other-cluster
#Java Virtual Machine (JVM) maximum idle time for jobs.
#Default is 180 seconds, if not specified. When reached the worker will shutdown.
jvm.maximum.idle.time.seconds=180 #添加
#JVM maximum life time for workers.
#Default is 14400 seconds, if not specified. After this period has passed the worker will shutdown unless it is busy.
jvm.maximum.life.seconds=14400 #添加
#Maximum number of jobs per clusterRunId. Default is 3000.
grid.jobs.limit=1000 #根据实际情况修改
#commands to start new jvmsworker.
command=java -Xms256m -Xmx1024m -jar interproscan-5.jar #修改worker.high.memory.command=java -Xms256m -Xmx2048m -jar interproscan-5.jar #修改
#directory for any log files generated by InterProScan
log.dir=logs #添加
下边是SGE投递命令，-l和-q参数可以根据实际情况设置，小编四万八千多个蛋白序列，拆成46个任务，用的vf=2.5g,p=1够用
grid.master.submit.command=qsub -cwd -V -l vf=2.5g,p=1 -q all.q -b y -N i5t1worker
grid.master.submit.high.memory.command=qsub -cwd -V -l vf=2.5g,p=1-q all.q -b y -N i5t1hmworker
grid.worker.submit.command=qsub -cwd -V -l vf=2.5g,p=1 -q all.q -b y -N i5t2worker
grid.worker.submit.high.memory.command=qsub -cwd -V -l vf=2.5g,p=1 -q all.q -b y -N i5t2hmworker
投递运行脚本：
./interproscan.sh -mode cluster -clusterrunid test -iprlookup -goterms -appl Pfam -appl PRINTS -appl PANTHER -appl ProSiteProfiles -appl SMART -f TSV -i test_proteins.fasta - T temp -o test_proteins.fasta.ipscan2
#运行该脚本会自动进行投递，和本地运行相比，多了-mode cluster参数（必选），该参数表示选择cluster模式，-clusterrunid test参数（必选），该参数是log文件中的日志文件名称，test可更改成自己喜欢的名字，-T表示临时文件。
安装过程中若遇到什么问题，可以参考官方教程：Running InterProScan 5 in Cluster Mode — interproscan-docs documentation