！！！！重要！！！！ 所有工作开始前，请注意原文作者给的重要提示： 安装本工具软件，需要单机内存应 >12G；
CLEAN是2023年发表在Science主刊上的一篇文章介绍的工具，其对酶蛋白的分类预测（功能预测）为目前行业精准度最高。根据对不同工具的比较，不同工具间的精准度在30-60%之间，而CLEAN做到了86.75~100%；
1）对原作提供的安装方案添加了部分注释，方便新人理解； 2）提供了一个成功安装实例——适合零基础的新手参考安装；
从零基础开始，要安装单机版CLEAN蛋白酶功能预测工具，需要预先Linux版系统，如Ubuntu；Windows10及以上的系统，还可以使用Windows版的linux子系统（代码版），即WSL；在使用CLEAN等一般生信平台软件时，与Linux系统并无差别。
win10pro、win11pro可很方便的安装WSL；但如果你用的CMGE版win10，则全过程需要纯手工，需要花费一些力气；
有了wsl，就可以参考原作提供的安装方案，或是分割线后面的安装实例，自行安装尝试；
如果你课题支持充裕，那么花钱买方便，无疑能够节省巨量宝贵时间； 既然不是屌丝，为什么要花费大量时间去搞这些？
首先提供原作者CLEAN程序的仓库地址（github链接地址） https://github.com/tttianhao/CLEAN
接下来咱们先看看原作提供的方案（适于具有一定Linux经验的用户）：
有一些个人提供的注释
1. Install
1.1 Requirements Python >= 3.6; PyTorch >= 1.11.0; CUDA >= 10.1；
the original Manuscript results were obtained using；
Python 3.10.4; PyTorch 1.11.0; CUDA 11.3; fair-esm 1.0.2；
1.2 Quickstart
cd CLEAN/app/ #进入指定路径；
conda create -n clean python==3.10.4 -y #创建程序以来的基础环境；
conda activate clean #激活环境
pip install -r requirements.txt #安装其他依赖的工具
安装Pytorch； cpu和gpu模式分别对号入座；有gpu加速的，的确速度会快；没有cpu加速的，则主要取决于cpu性能
conda install pytorch==1.11.0 cpuonly -c pytorch (CPU)
conda install pytorch==1.11.0 cudatoolkit=11.3 -c pytorch (GPU)
python build.py install
安装核心组件；
git clone https://github.com/facebookresearch/esm.git #采用git克隆的方式进行安装；
mkdir data/esm_data #创建必要的路径；
python CLEAN_infer_fasta.py --fasta_data price #运行测试指令；
看起来上述过程是十分简单轻松的，但是实际走下来，对于高手来说，也确实是轻松拿捏； 但是对于〇基础的人来讲，还是会面临很多的问题；
根据大家安装的Ubuntu版本、基础系统环境的不同，可能会遇到各种不同的问题；
-------------- 详细过程见ads后面内容；
////||||\\\\某鱼 “ Interpro Pfam蛋白功能重批注、注释 ” ////||||\\\\某鱼 “ 蛋白表达亚细胞定位分析；全流程 ” ////||||\\\\某鱼 “病毒蛋白亚细胞定位 ” ////||||\\\\某鱼 “Enzyme function prediciton using constrative learning 可开发P ” ||||\\\\某鱼 “signalp6 分泌信号肽预测 可开发P ” ////||||\\\\某鱼 “全基因组间序列比对，找差异表达序列 ” ////||||\\\\某鱼 “ 序列进化树作图，系统进化树作图； ” ////||||\\\\某鱼 “ pacbio测序数据分析，功能酶挖掘，可开发P ” ////||||\\\\某鱼 CataPro蛋白酶活性预测 可批量； ////||||\\\\ ProtComp 细菌、真菌蛋白亚细胞定位分析 --- 可批量操作基因组级，细菌基因组大约含有3000条序列，真菌大约4000多条，部分含有质粒的可能更多； ---- 对于数量大于1 0000 条序列的分析，需单独协商，毕竟，这并不仅仅是数量的增加，分析过程；处理数据的过程；难度增加，并不是线性关系；
-- ads结束 |||
下面是一个真实安装实例（最终是安装成功了的）：
既然有了原作者提供的安装步骤，接下来，打开了网页版的readme.md文件（也可下载后打开），根据提示，cd到CLEAN文件夹：
cd CLEAN/app/
如果没有提前创建这个路径，创建；再运行上面的命令； CLEAN的路径一般是建立在 \Ubuntu\home\current_user\ 下面；
mkdir CLEAN
cd ~/CLEAN/
mkdir app # 1，创建CLEAN路径；2，进入CLEAN路径；3，在CLEAN路径下创建新的子路径 app；
之后是创建一个名称为clean的环境，pathon版本为3.10.4
conda create -n clean python==3.10.4 -y
激活该环境：
conda activate clean
根据readme，运行批量安装指令：
pip install -r requirements.txt
……运行失败，提示没有这个文件 解决方案：找到requirement.txt文件，并将其手动移动到对应的路径下面即可，即运行命令的当前位置：CLEAN/app/ 找到requirement文件所在的位置，使用mv指令，或explorer.exe【适用wsl】，或cmd移动 or 复制到目的路径【适用wsl】
安装Pytorch：
conda install pytorch==1.11.0 cpuonly -c pytorch (CPU)
conda install pytorch==1.11.0 cudatoolkit=11.3 -c pytorch (GPU)
实例机子没有gpu，选第一条命令：
conda install pytorch==1.11.0 cpuonly -c pytorch
正常走完，过程依各位所处环境不同，所需时间不一； ing——Solving enviroment，后面安装了一系列的子程序
1）这个过程需要链接服务器下载很多子程序，根据你的wsl对sourceslist文件配置，以及对应的服务器地址信息，时间不一；
2）但一般来说，国内source.list服务器要比Ubuntu本身的速度上要快很多；
3）国内的某些服务器，运行过程可能会出错，比如它在镜像中可能会找不到某个组件而终止或失败；而Ubuntu官方原版则不会有这样的问题，但就有点龟速了……
Proceed (y/n) 当然选择Yes往下走； ing_prytorch-1.11.0 47.4 MB 等还有下面多个子程序，版本未列出 typing_extensions-4 libroprotobuf-3.20.3 ninja pycparser icu numpy liblapack libstdcxx llvm-openmp mkl-2022.2.1 下载速度接近1 MB/S，这个速度是由于当前机器配置了阿里云的source文件，如果是Ubuntu的，可能就是龟速体验了……（还有可能给你是不是的中断一下，让你是不是的心跳加速一下下………） libblas libhwloc sleef tbb libxml _openmp cpuonly-2.0 zstd pytorch-mutex libcblas python_abi-3.10 Preparing transaction:done verifying transaction:done executing transaction:done 三行结尾处，三个 done出现，表示成功安装；进入下一步：
接下来，根据提示：分别下载pretrained数据（即预训练好的数据），放置到合适的位置（data/pretrained文件夹，如果没有创建，则先行创建，方法基本同上面；然后再继续)
git clone https://github.com/facebookresearch/esm.git
#克隆github仓库种的CLEAN代码到本地（这也是原作提供的便携方案之一）
python build.py install
成功运行；
有些人可能并没有安装git，如此的话，就需要专门安装git先，再进行git clone命令；
sudo apt-get update
sudo apt-get install git
#之后再进行 git clone；
根据reame文件提示，创建必要的路径——下面这条命令一次不能创建的话，就分两次，方法参考前文创建/CLEAN/app/路径的方法：
mkdir data/esm_data
根据原始文档，已没有更多的提示信息；
接下来，尝试运行分析example——示例文件：
python CLEAN_infer_fasta.py --fasta_data price
error prompt，出现： /home/XXXXXX【当前Ubuntu的用户名】/miniconda3/envs/clean/lib/python3.10/site-packages/scipy/__init__.py:146: UserWarning: A NumPy version >=1.16.5 and <1.23.0 is required for this version of SciPy (detected version 1.26.4 warnings.warn(f"A NumPy version >={np_minversion} and <{np_maxversion}" Downloading: "https://dl.fbaipublicfiles.com/fair-esm/models/esm1b_t33_650M_UR50S.pt" to /home/xiaoh/.cache/torch/hub/checkpoints/esm1b_t33_650M_UR50S.pt
这里是重点，需要认真对待，问题解决不了，则程序无法继续运行
仔细分析，这里实际上是遇到了三个问题：
1）NumPy与SciPy版本不兼容，要么降级NumPy，要么升级SciPy，应该都可以； NumPy version >=1.16.5 and <1.23.0 is required for this version of SciPy (detected version 1.26.4 本例操作中，是对NumPy进行了降级处理； 2）需要下载两个文件，详见readme.md，当前只是展示了一个，手动下载然后解压，再把内容移动到指定文件夹即可； 也可采用wget进行下载，并指定到对应的路径下也没毛病； 3）程序默认需要下载训练好的文件esm1b_t33_650M_UR50S.pt，文件大小7.29G；到指定的文件夹即可； 再次尝试运行预测分析示例文件命令：
python CLEAN_infer_fasta.py --fasta_data price
提示失败，想想原因，过程中cd到了别的目录查看目录结构，因此需要 cd回到CLEAN/app文件夹下 之后再次运行命令如下：
python CLEAN_infer_fasta.py --fasta_data price
Read data/inputs/price.fasta with 149 sequences Processing 1 of 16 batches (15 sequences) Processing 2 of 16 batches (13 sequences) Nice ! ! ! -------程序正常运行；至此CLEAN安装结束；