hmmer软件能否在windows系统上安装？

windows系统能不能装hmmer软件

hmmer下载与安装

对于Mac OS/X, Linux, UNIX系统，用源代码编译安装：

% 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系统，直接下载二进制压缩包，解压就可以使用。

hmmer包含的程序

phmmer： 与Blastp类似，使用一个蛋白质序列搜索蛋白质序列库；

>phmmer tutorial/HBB HUMAN uniprot sprot.fa

jackhmmer： 与psiBlast类似，蛋白质序列迭代搜索蛋白质序列库；

>jackhmmer tutorial/HBB HUMAN uniprot sprot.fa

hmmbuild： 用多重比对序列构建HMM模型；

hmmsearch： 使用HMM模型搜索序列库；

hmmscan： 使用序列搜索HMM库；

hmmalign： 使用HMM为线索，构建多重比对序列；

>hmmalign globins4.hmm tutorial/globins45.fa

hmmconvert： 转换HMM格式

hmmemit： 从HMM模型中，得到一个模式序列；

hmmfetch： 通过名字或者接受号从HMM库中取回一个HMM模型；

hmmpress：格式化HMM数据库，以便于hmmscan搜索使用；

hmmstat： 显示HMM数据库的统计信息；

使用HMM模型搜索序列数据库

使用hmmbuild构建HMM模型，输入为Stockholm格式或者FASTA格式的多重比对序列文件（如：tutorial/globins4.sto），命令如下：

>hmmbuild globins4.hmm tutorial/globins4.sto

globins4.hmm为输出的HMM模型

使用hmmsearch搜索蛋白质序列数据库，蛋白质序列数据库为FASTA格式，命令如下：

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

globins4.out为输出的结果文件，如下：

*示例使用官方教程中的示例

使用蛋白质序列搜索HMM数据库

构建HMM数据库，HMM数据库是包含多个HMM模型的文件，可以从Pfam、SMART、TIGRFams下载，也可以自己由多重比对序列集中构建，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格式化数据库，包括压缩以及创建索引，命令如下：

>hmmpress minifam

这个步骤可以很快的执行完成，输出的内容如下：

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搜索HMM数据库，命令如下：

>hmmscan minifam tutorial/7LESS_DROME

hmmer软件怎么将fasta格式文件转换为sto格式

这问题我也遇到了，网上找半天没找到合适的方案，于是自己写了一个，代码如下

import glob # 都是标准库的东西

import os

# 把你想建hmm的fasta文件（比对好的）和本程序放在同一个文件夹里，然后运行本程序直接跑hmmbuild

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

fs = glob.glob('*.fasta') # 获取每个fasta文件，如果你的fasta文件里有不是.fasta后缀名的，可以改这里，或者直接改成'*.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： # 这个是读fasta文件用的，把所有fasta文件都保存到列表里

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： # 这里在写sto文件

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)） # 这里在跑hmmbuild，你可以自行修改里面的参数

如何自学生物信息学

1，从现有的生物信息学工具开始，要熟悉如何利用先用的软件、网络服务器、数据库等等，为生物研究服务，不要做重复工作，能用现成的就不自己开发。

2，熟悉命令行的操作系统，DOS,Linux，可以编写简单的shell；进而能安装命令行级的程序，跑一些常规的流程。要学习如何寻找和安装软件，这是最重要也是最基本的技能。其实很多问题，如果找到合适的软件包，都是迎刃而解的。

3，熟悉一种简单的脚本语言，个人推荐用python，具体原因可以见我的帖子。在没有现成工具时，或需要数据格式转换时，小的脚本是非常有用的。一般的应用无需自己写太多的代码，要相信我们通常遇到的问题，别的高手可能早就遇到了，所以网络上有大量的工具包。至于更多的编程语言，一门精则门门通，R,perl等都是类似的。

4，熟悉简单的算法和数据结构的知识，这样就可以理解很多程序的内在机制，进而知道它们的优点和缺点，对自己写程序也有帮助。有精力的话，进而学习统计、机器学习等。。

5，在自己的生物领域内扩展，调研，分析，开发。