环境准备（Linux）：操作系统选择、依赖包安装（Java、Perl）、磁盘与内存规划
环境配置这步，看着简单，却是整个流程里最容易出幺蛾子的地方。我见过不少新人把时间浪费在依赖冲突上，最后发现是自己系统选错了。这一节，咱们就把 Linux 下的底子打好。
操作系统选择
我个人的习惯是使用 Ubuntu 22.04 LTS 或 CentOS 7+。为啥？InterProScan 官方文档里明确写了支持 RHEL/CentOS 和 Ubuntu/Debian 系。你选别的发行版也行，但包管理器的差异会多踩几个坑。
| 操作系统 | 包管理器 | Java 默认版本 | 我的建议 |
|---|---|---|---|
| Ubuntu 22.04/24.04 | apt | OpenJDK 11 | 推荐新手使用，社区支持好 |
| CentOS 7/8 | yum/dnf | OpenJDK 1.8 | 老生产环境首选，稳定 |
| AlmaLinux/Rocky 9 | dnf | OpenJDK 17 | CentOS 替代方案，兼容性好 |
| Debian 11/12 | apt | OpenJDK 11 | 极简主义可选，需手动配置 |
一个小建议： 如果你打算用 Docker 部署，选 Ubuntu 22.04 做基础镜像最省心。我之前的项目里直接用 ubuntu:22.04 镜像，后续依赖基本没碰到版本冲突。
依赖包安装：Java & Perl
InterProScan 需要 Java 和 Perl 作为运行环境。说白了，它的核心是 Java 写的，但很多辅助脚本跑在 Perl 上。两个都得装，缺一不可。
安装 Java
版本要求：Java 8 或更高。我推荐 OpenJDK 11，兼容性最好，性能也均衡。别装 Oracle JDK – 授权问题麻烦，而且没必要。
# Ubuntu/Debian
sudo apt update
sudo apt install -y openjdk-11-jdk
# CentOS/RHEL 7
sudo yum install -y java-11-openjdk-devel
# 验证安装
java -version输出应该类似：
openjdk version "11.0.22" 2024-01-16 LTS
OpenJDK Runtime Environment (build 11.0.22+7-post-Ubuntu-0ubuntu222.04)
OpenJDK 64-Bit Server VM (build 11.0.22+7-post-Ubuntu-0ubuntu222.04, mixed mode, sharing)注意 JAVA_HOME 环境变量： InterProScan 启动脚本会自动检测 java 命令路径，但有些版本的 interproscan.sh 会读取 $JAVA_HOME。稳妥的做法是加上：
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64
export PATH=$JAVA_HOME/bin:$PATH最好写入 ~/.bashrc 或 /etc/profile.d/java.sh，避免每次重启都要 export。
安装 Perl
Perl 版本要求 ≥ 5.26，大部分现代 Linux 发行版默认带的 Perl 5.30+ 都满足。但你需要额外安装几个核心模块：LWP::UserAgent、JSON、XML::Simple 和 DBI（如果使用 SQLite 缓存）。
# Ubuntu/Debian
sudo apt install -y perl libwww-perl libjson-perl libxml-simple-perl libdbi-perl libdbd-sqlite3-perl
# CentOS/RHEL
sudo yum install -y perl perl-libwww-perl perl-JSON perl-XML-Simple perl-DBI perl-DBD-SQLite
# 验证 Perl 版本
perl -v
# 检查模块是否可用
perl -MLWP::UserAgent -e 'print "LWP OK\n"'
perl -MJSON -e 'print "JSON OK\n"'如果你用的是最小化安装的系统，Perl 可能没装全。我曾在一台 CentOS 7 上遇见过 LWP::UserAgent 缺失，导致 interproscan 的远程数据库下载脚本直接挂掉。所以这块别省，直接把依赖都装上。
关键记忆点： 不要用 cpan 手动安装这些模块——除非你确定系统没有对应的发行版包。用包管理器安装的好处是：自动处理依赖、统一路径、方便升级。我见过有人用 cpan 装好了但 perl 报错找不到库，后来发现是 @INC 路径不对，折腾半天。
磁盘与内存规划
InterProScan 在运行时需要大量临时空间存放中间结果和数据库。如果你只分析几个小蛋白序列还好，一旦跑全数据库（比如 Pfam、TIGRFAM、SUPERFAMILY），磁盘和内存不够的话，等着你的就是 OOM kill 或磁盘满的报错。
磁盘规划
| 场景 | 建议空间 | 说明 |
|---|---|---|
| 仅分析 10 个以下小蛋白 | 20GB（+ 数据库占用） | 主要是预载数据库 + 临时文件 |
| 批量分析（1000+ 序列） | 50GB 以上 | 临时文件可达数 GB，尤其运行 iprscan5 时 |
| 使用本地数据库（全量匹配） | 至少 100～150GB | InterPro 数据库解压后约 80GB，加上临时生成索引 |
| 生产环境长期运行 | ≥ 500GB | 建议单独挂载 /data 分区，避免日志撑爆根目录 |
我的经验： 之前在一个 40GB 硬盘的虚拟机里跑全库注释，跑到一半磁盘满了，临时文件卡在 /tmp 目录，连系统日志都写不了。排查半天才发现是 /tmp 空间不足。后来我把临时目录改到 /data/tmp 并在启动参数里指定 --tmpdir 才解决。建议你提前规划：
# 查看当前磁盘分区
df -h
# 创建一个大的 /data 分区（假设你有额外磁盘）
sudo mkfs.ext4 /dev/sdb1
sudo mkdir /data
sudo mount /dev/sdb1 /data
# 设置 InterProScan 临时目录
export IPRSCAN_TMPDIR=/data/tmp
mkdir -p $IPRSCAN_TMPDIR
# 在启动 interproscan.sh 时加上 --tmpdir=$IPRSCAN_TMPDIR内存规划
InterProScan 是一个内存密集型工具。每个线程会占用 1～2GB 内存，具体取决于数据库大小和序列长度。
| 线程数 | 最低内存 | 推荐内存 | 搭配场景 |
|---|---|---|---|
| 4 线程 | 8GB | 16GB | 小样本测试、教学演示 |
| 8 线程 | 16GB | 32GB | 中等规模（几百条序列） |
| 16 线程 | 32GB | 64GB | 大规模分析（上万序列、全库匹配） |
| 32 线程以上 | 64GB | ≥128GB | 服务器集群或云实例 |
省内存的小技巧： InterProScan 支持使用 --disable-cache 来减少内存占用，但会降低后续重复查询的速度。另外，如果只分析特定数据库（例如只跑 Pfam 和 SMART），可以用 --applications 参数限定，这也能显著降低内存消耗。
环境验证
装完别急着跑大任务。先写一个最小测试脚本验证 Java 和 Perl 能否被 InterProScan 调用。
# 创建一个测试序列文件
cat > test.fasta << EOF
>test
MGRSKKHRNIVVLFSSVIVGFLCCAVVAMVFQYALVGD
EOF
# 用 interproscan.sh 跑一下（假设已经下载了程序包）
./interproscan.sh --input test.fasta --output-dir test_output --cpu 2
# 查看结果
cat test_output/*.tsv如果报错 “No Java runtime available” 或 “Perl not found”：
- 检查 PATH 里是否包含 Java 和 Perl 的 bin 目录
- 重新 login 使环境变量生效
- 用
which java和which perl确认路径
我曾经在一次容器化部署中忘记继承环境变量，导致启动脚本找不到 java，排查了一下午才发现是 Dockerfile 里缺少 ENV 设置。这教训挺深刻的。
至此，环境准备就绪。你当前应该已经具备了：合适的 Linux 发行版、Java 和 Perl 的完整运行环境、充足的磁盘和内存空间。下一步，就是下载 InterProScan 程序包以及对应的数据库文件了。