MMseqs2

高性能序列搜索和聚类工具，适合大规模蛋白或核酸数据集。High-performance toolkit for sequence search, clustering, and taxonomy workflows.

速览 | Quick Look

• 常见输入：FASTA, MMseqs database
• 常见输出：TSV, clustered FASTA, internal database files
• 典型场景：蛋白聚类、同源搜索、去冗余、构建代表序列

安装 | Install

mamba install -c bioconda mmseqs2

常用命令 | Common Commands

快速搜索：

mmseqs easy-search query.fa target.fa result.tsv tmp --threads 8

序列聚类：

mmseqs easy-cluster proteins.fa cluster_result tmp \
  --min-seq-id 0.9 -c 0.8 --threads 8

创建数据库并搜索：

mmseqs createdb query.fa queryDB
mmseqs createdb target.fa targetDB
mmseqs search queryDB targetDB resultDB tmp --threads 8
mmseqs convertalis queryDB targetDB resultDB result.tsv

关键参数 | Key Options

• easy-search：一站式搜索并导出表格。
• easy-cluster：一站式聚类。
• createdb：创建内部数据库。
• search：执行搜索。
• convertalis：导出 alignment 表格。
• --min-seq-id / -c：聚类 identity 和覆盖度阈值。

常见坑 | Pitfalls

• MMseqs2 会生成多个内部数据库目录，清理时要保留最终结果。
• tmp 目录需要足够空间，并尽量放在高速磁盘。
• 聚类阈值要结合序列长度、功能家族和后续用途决定。

参考 | References

• Official repository: https://github.com/soedinglab/MMseqs2
• MMseqs2 wiki: https://github.com/soedinglab/MMseqs2/wiki