📚 课程目录第4章命令行使用

4. 命令行使用：基本参数与运行示例

说实话，刚接触 InterProScan 的人，多半会被它那一大堆参数吓到。我当年第一次跑的时候，直接对着 help 文档发呆了好几分钟。但你别慌，今天咱们把最常用的几个参数拆开来讲，你照着敲一遍，基本就能上手了。

InterProScan 的命令行，说白了就一个核心脚本：interproscan.sh。或者你用的是新版本，那可能就是 interproscan.py。我个人习惯用 Python 版本，因为它对参数校验更友好，报错信息也清楚一些。

标准的调用格式是这样的：

interproscan.sh -i input.fasta -o output.gff3 -f GFF3

就这么一行，就能干活了。但你要知道，它背后做了不少事：调用了好几个数据库，跑了一堆预测算法。所以别指望它秒出结果，哪怕是一个几百条序列的小文件，也得等个一两分钟。我在项目中遇到过客户嫌慢，非得要求优化……其实慢是正常的，因为它在查多个数据库。

咱们挑几个最常用、最容易出错的参数来讲。你记住这五个，就能应付 90% 的场景了。

参数	说明	个人建议
`-i` / `--input`	输入文件，支持 fasta 格式，也支持某些已分析过的中间格式	文件路径别用中文，容易出编码问题
`-o` / `--output`	输出文件名	我习惯加上路径，否则文件散落在当前目录，找起来烦
`-f` / `--formats`	输出格式，最常用的是 GFF3、TSV、XML、JSON	如果要可视化，推荐 GFF3；如果要二次解析，我选 JSON
`-appl`	指定要运行的预测方法，比如 `-appl Pfam,CDD`	全跑太慢，按需选择，能省一半时间
`-dp`	禁用 DNA/RNA 到蛋白的翻译	如果输入是蛋白序列，记得加上这个参数，否则它会把每条序列当核酸去翻译，浪费时间

你想想看，如果你跑的是蛋白序列，又不加 -dp，那 InterProScan 会把你的蛋白当核酸去翻译……结果就是啥都查不到，白白浪费计算时间。我曾经帮人查 bug，花了半小时才发现这个坑。

好了，理论讲完了，咱们直接上手。我准备了三个场景，你挑一个贴近自己的来试就行。

场景一：快速扫描一个蛋白文件，输出 GFF3

interproscan.sh -i my_proteins.fasta -o results.gff3 -f GFF3 -dp

这里加上了 -dp，因为我知道自己的输入是蛋白。嗯，这条命令最常用，尤其适合做完预测后直接拉进 IGV 或者 JBrowse 看。

场景二：只查 Pfam 和 CDD 两个数据库，输出 TSV 方便后续分析

interproscan.sh -i eco_proteome.fasta -o eco_pfam_cdd.tsv -f TSV -appl Pfam,CDD -dp

我为什么只查两个数据库？因为我在做细菌比较基因组，Pfam 和 CDD 就够用了。全跑的话，一个基因组要半小时，现在十分钟搞定。做植物基因组项目时，项目时间紧，我都是这样选择性跑。

场景三：输入是核酸序列，让它自动翻译再预测

interproscan.sh -i genomic_contigs.fasta -o genomic_results.gff3 -f GFF3

这时候不能加 -dp，因为 InterProScan 会识别 ORF，翻译成蛋白再拿去分析。不过这里有个注意事项：如果你的核酸序列太大，比如整个细菌基因组，那 ORF 预测这一步就可能跑很久。我个人的做法是先用 Prodigal 或 GeneMark 预测基因，再拿蛋白序列来跑，这样更可控。

我画了一张图，帮你理解 InterProScan 是怎么处理你给的那一串参数的。为什么要画这个？因为我以前经常搞混参数之间的关系，比如 -dp 和 -appl 到底谁先执行。后来撸了一遍源码，才理清楚。

嗯，这里得好好说说。这些坑我踩过不止一次，你记住了能省不少调试时间。

文件路径用绝对路径：我曾经只用文件名，结果 InterProScan 在临时目录里找不到输入，报了个莫名其妙的错误。从此以后，我的脚本里全用绝对路径。
检查输出目录是否有写权限：尤其是跑在服务器上，别人的目录你未必能写。InterProScan 不会提前告诉你，直到写完前最后一刻才崩。
别用 NFS 挂载目录跑大数据集：我吃过一次亏，跑了一个多小时，结果 NFS 断连了……所有中间结果都没存下来。后来我改成 SSD 本地跑完再迁移。
注意数据库版本：不同版本的 InterProScan 配的数据库版本不同。如果你在集群上跑，一定要确认模块加载的版本和数据库是否匹配。我之前用 5.50-84.0 的软件去加载 5.60 的数据库，结果匹配不到任何条目。

特别提醒：如果你准备跑大批量数据，比如上千条序列，记得加上 -iprscan4 参数，启用并行模式。否则它默认单线程，跑一天一夜都有可能。我个人强烈建议在运行前先看下 CPU 核心数，再用 -cpu 8 之类的参数限制并行度，别把服务器的 CPU 全吃满，免得挨师兄骂。

安装完后，别急着跑大任务。先用一小段序列验证一下。我把这段测试序列贴在下面，你存成 test.fasta。

>test_protein
MSTATVLEQMVDYFKEYKEKVYGITSEIAITQVQKEGSTVRLHINVCQC

然后跑一下这条命令：

interproscan.sh -i test.fasta -o test_output.gff3 -f GFF3 -dp

如果几秒钟后出现输出文件，里面至少能查出几个 Pfam 或 SUPERFAMILY 的条目，那就说明安装没问题。我习惯用这条序列做冒烟测试，因为它短、跑得快，而且几乎所有数据库都能匹配上。

如果报错了，先别急。检查一下 Java 版本、Python 版本，还有数据库有没有正确下载。这些我在安装篇里说过，你翻回去看看。