病毒组学数据分析 -03 deepvirfinder病毒序列识别

道曼曼

已于 2023-09-14 21:13:25 修改

阅读量2.9k

点赞数 4

分类专栏：病毒组学文章标签：数据分析数据挖掘

于 2022-01-13 23:04:46 首次发布

本文链接：https://blog.youkuaiyun.com/Kun_98/article/details/122466635

版权

病毒组学专栏收录该内容

5 篇文章

订阅专栏

deepvirfinder安装

# codna 安装依赖
conda create -n dvf python=3.6 numpy theano=1.0.3 keras=2.2.4 scikit-learn Biopython h5py r-base
source activate dvf
# github下载程序
git clone https://github.com/jessieren/DeepVirFinder
cd DeepVirFinder

#安装R q-value包(该方法安装的qvalue包版本较旧，可参考后文的安装方法）
R
if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("qvalue")
q()

调试

#预测 crAssphage 基因组
conda activate dvf
python dvf.py -i ./test/crAssphage.fa -o ./test/ -l 300
#输出日志
Using Theano backend.
1. Loading Models.
   model directory /auto/cmb-panasas2/renj/software/DeepVirFinder/models
2. Encoding and Predicting Sequences.
   processing line 1
   processing line 1389
3. Done. Thank you for using DeepVirFinder.
   output in ./test/crAssphage.fa_gt300bp_dvfpred.txt

#预测一组宏基因组组装的重叠群
python dvf.py -i ./test/CRC_meta.fa -l 1000 -c 2
#计算 q 值（错误发现率）
R
library(qvalue)
result <- read.csv("./test/CRC_meta.fa_gt1000bp_dvfpred.txt", sep='\t')
result$qvalue <- qvalue(result$pvalue)$qvalues
result[order(result$qvalue),]
q()

运行

# 指定程序路径和模型路径（绝对路径）
dvf=./DeepVirFinder/dvf.py
model=./DeepVirFinder/models
mkdir 03_virfind
#运行deepvirfinder
python ${dvf} -m ${model} \
-i 02_assembly/XXX/scaffolds.fasta -l 1000 -c 80 \
-o 03_virfind/dvf/XXX

关于q值的计算

#q值计算
R
library(qvalue)
result <- read.csv(".03_virfind/dvf/XXX/XXX.txt", sep='\t')
result$qvalue <- qvalue(result$pvalue)$qvalues


#若有如下报错
Error in smooth.spline(lambda, pi0, df = smooth.df) : 
  missing or infinite values in inputs are not allowed
#解决方法，更新qvalue，使用qvalue_truncp（）计算q值
install.packages("devtools")
library("devtools")
install_github("jdstorey/qvalue")
#使用qvalue_truncp进行计算
result$qvalue <- qvalue_truncp(result$pvalue)$qvalues

关于阈值：deepvirfinder官方推荐q-value<0.01的序列认定为病毒序列，也有文献（Metagenomic features of traditional fermented milk products）采用score>0.9，p-value <0.01或p-value<0.05来界定病毒序列，没有具体标准，一般对p-value进行调整。

帮助文档

dvf.py
Options:
  -h, --help            show this help message and exit
  -i INPUT_FA, --in=INPUT_FA
                        input fasta file
  -m MODDIR, --mod=MODDIR
                        model directory (default ./models)
  -o OUTPUT_DIR, --out=OUTPUT_DIR
                        output directory
  -l CUTOFF_LEN, --len=CUTOFF_LEN
                        predict only for sequence >= L bp (default 1)
  -c CORE_NUM, --core=CORE_NUM
                        number of parallel cores (default 1)

参考文献

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8172088/

https://github.com/jessieren/DeepVirFinder

Error in calculating q-value · Issue #2 · jessieren/DeepVirFinder · GitHub

https://github.com/StoreyLab/qvalue/issues/9

Metagenomic features of traditional fermented milk products - ScienceDirect

The ecogenomics of dsDNA bacteriophages in feces of stabled and feral horses - ScienceDirect