使用PhaGCN2/vConTACT2进行病毒分类注释

已于 2024-08-21 20:14:53 修改
阅读量502 收藏 19
点赞数 14
分类专栏： 宏基因组 文章标签： 分类 数据挖掘
于 2024-08-21 17:56:13 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Asa12138/article/details/141336551
版权

Introduction

在微生物群落的研究中，分类和注释数量庞大的未培养古细菌和细菌病毒一直是一个难题，主要原因是缺乏统一的分类框架。

目前，用于病毒分类的多种基于基因组的方法已经被提出，主要集中在细菌、古细菌和真核生物病毒的分类上。

  1. 蛋白序列比较：早期方法使用完整基因组的蛋白序列进行配对比较，生成“噬菌体蛋白质树”。但因“镶嵌性”特征影响分类界限，这一方法未被广泛采用。

  2. 共享基因的比例：另一些方法则基于共享基因的比例和同源基因的百分比定义病毒分类。然而，由于病毒进化模式变化大，这些方法未能有效处理所有已知的病毒群体。

  3. GBDP：基于基因组Blast距离的系统发育算法，如VICTOR工具，结合系统发育和聚类方法进行病毒分类。该方法的可扩展性有限，且对缺乏参考基因组的病毒分类效果有限。

  4. 基因共享网络：基于病毒基因组间共享的蛋白质簇（PCs）构建的基因共享网络，已被证明与ICTV认可的分类基本一致。vConTACT v.1.0应用该方法实现了75%的一致性，并在全球海洋、淡水和土壤研究中用于大规模病毒分类。

尽管这些方法各有优缺点，但基因共享网络逐渐成为病毒分类的重要工具，尤其在缺乏参考基因组的情况下发挥了关键作用。

vConTACT2

vConTACT v.2.0 提供了一种可扩展的网络化解决方案，通过分析全基因组共享的基因模式，结合层次聚类和置信评分，实现病毒分类。它不仅能够成功复现已有的病毒分类，还可以高效处理大型宏基因组数据集，成为病毒分类的强大工具，适用于各种环境中的病毒研究。文章于2019年发表在Nature Biotechnology上[1]。


在网络为基础的基因组分类算法中，相关的基因组通过多个边紧密连接。vConTACT v.2.0使用了一种新的两步聚类算法，以提高分类的准确性和鲁棒性。首先，基于蛋白质簇（PC）的马尔可夫聚类算法 (MCL) 被用于初步分类。然后，使用ClusterONE替代MCL以定义病毒簇（VC），并通过层次聚类进一步细分网络问题区域。此外，v.2.0 引入了拓扑和分类基础的置信度分数，以帮助识别和优化分类任务。

软件主页：https://github.com/Hocnonsense/vcontact2

注意：由于资助结束，vConTACT2 不再被积极开发，尽管作者仍在修复错误并解决出现的其他问题。

安装

# 注意使用python3.7而不是直接指定python=3，现在python版本太新了会出问题
conda create --name vContact2 python=3.7
source activate vContact2
conda install -y -c bioconda vcontact2 mcl blast diamond

再安装一下依赖的cluster_one：

# 下载聚类软件，移动到conda/bin路径 (可使用win下载代替)
wget -c http://www.paccanarolab.org/static_content/clusterone/cluster_one-1.0.jar
java -jar cluster_one-1.0.jar -h
chmod +x ./cluster_one-1.0.jar
mv ./cluster_one-1.0.jar ~/miniconda3/bin/

不然会报错：ERROR:vcontact2: Could not find ClusterONE java file.

vContact2自带数据库，在~/miniconda3/envs/vContact2/lib/python3.7/site-packages/vcontact2/data/目录下。

运行

主要参数：
  • -r RAW_PROTEINS, --raw-proteins RAW_PROTEINS：输入FASTA格式的蛋白质文件。如果同时提供--proteins-fn，vConTACT将从蛋白质簇(PC)生成前开始处理。
  • –rel-mode {BLASTP, Diamond, MMSeqs2}：选择用于创建蛋白质相似性边文件的方法。默认使用Diamond。
  • -b BLAST_FP, --blast-fp BLAST_FP：输入BLAST结果文件(CSV或TSV格式)，用于生成蛋白质簇。提供此选项时，将从PC生成步骤开始。
  • -p PROTEINS_FP, --proteins-fp PROTEINS_FP：提供一个文件，将蛋白质名称与基因组名称链接。如果提供了--blast-fp，则从PC生成步骤开始。
  • –db {None, ProkaryoticViralRefSeq85-ICTV, …}：选择参考数据库用于去新蛋白质簇生成。默认使用ProkaryoticViralRefSeq85-ICTV。
  • –pcs-mode {ClusterONE, MCL}：选择用于蛋白质簇生成的算法，默认为MCL。
  • –vcs-mode {ClusterONE, MCL}：选择用于病毒簇生成的算法，默认为ClusterONE。
  • –c1-bin CLUSTER_ONE：指定ClusterONE可执行文件的路径。
  • –blastp-bin BLASTP_FP：指定BLASTP可执行文件的路径。
  • –diamond-bin DIAMOND_FP：指定DIAMOND可执行文件的路径。
  • -o OUTPUT_DIR, --output-dir OUTPUT_DIR：指定输出目录，默认vContact_Output。
  • -t THREADS, --threads THREADS：设置使用的CPU数量，默认32个。
输入形式：
  1. FASTA格式的氨基酸文件。
>ref|NP_039777.1| ORF B-251 [Sulfolobus spindle-shaped virus 1]
MVRNMKMKKSNEWLWLGTKIINAHKTNGFESAIIFGKQGTGKTTYALKVAKEVYQRLGHE
PDKAWELALDSLFFELKDALRIMKIFRQNDRTIPIIIFDDAGIWLQKYLWYKEEMIKFYR
IYNIIRNIVSGVIFTTPSPNDIAFYVREKGWKLIMITRNGRQPDGTPKAVAKIAVNKITI
IKGKITNKMKWRTVDDYTVKLPDWVYKEYVERRKVYEEKLLEELDEVLDSDNKTENPSNP
SLLTKIDDVTR
>ref|NP_039778.1| ORF D-335 [Sulfolobus spindle-shaped virus 1]
MTKDKTRYKYGDYILRERKGRYYVYKLEYENGEVKERYVGPLADVVESYLKMKLGVVGDT
PLQADPPGFEPGTSGSGGGKEGTERRKIALVANLRQYATDGNIKAFYDYLMNERGISEKT
AKDYINAISKPYKETRDAQKAYRLFARFLASRNIIHDEFADKILKAVKVKKANADIYIPT
  1. 一个“基因到基因组”的映射文件，采用tsv（制表符）或csv（逗号）分隔格式。
protein_id,contig_id,keywords
ref|NP_039777.1|,Sulfolobus spindle-shaped virus 1,ORF B-251
ref|NP_039778.1|,Sulfolobus spindle-shaped virus 1,ORF D-335
ref|NP_039779.1|,Sulfolobus spindle-shaped virus 1,ORF E-54
ref|NP_039780.1|,Sulfolobus spindle-shaped virus 1,ORF F-92
ref|NP_039781.1|,Sulfolobus spindle-shaped virus 1,ORF D-244
ref|NP_039782.1|,Sulfolobus spindle-shaped virus 1,ORF E-178
ref|NP_039783.1|,Sulfolobus spindle-shaped virus 1,ORF F-93
ref|NP_039784.1|,Sulfolobus spindle-shaped virus 1,ORF E-51
ref|NP_039785.1|,Sulfolobus spindle-shaped virus 1,ORF E-96
测试数据：
git clone https://github.com/Hocnonsense/vcontact2.git
cd vcontact2/test_data
vcontact2 --raw-proteins test_data/VIRSorter_genomes.faa \
    --proteins-fp test_data/VIRSorter_genomes_g2g.csv \
    --db 'ProkaryoticViralRefSeq211-Merged' \
    --output-dir vConTACT2_Results

运行时间还挺久的，输入文件有11个病毒contig，共433个gene。给了4核16G内存，结果跑了6485s，平均占用10.6GB内存。

应该要给多一点线程。

输出

vConTACT2 生成了很多输出文件，其中大多数是临时或中间文件，对一般用户没有用处。最重要的文件是网络和注释文件。

genome_by_genome_overview.csv

包含参考基因组的所有分类信息，以及所有聚类信息（初始 VC (VC_22)、精炼 VC (VC_22_1)）、置信度指标和杂项分数。

一个重要的注意事项是，用户序列不包含分类信息。这意味着每个用户都需要找到他们感兴趣的基因组并检查参考基因组是否位于同一 VC 中。

  • 如果用户基因组与参考基因组位于同一 VC 子簇内，则用户基因组属于同一属的可能性非常高。
  • 如果用户基因组与参考基因组位于同一 VC 但不在同一子簇中，则两个基因组很可能在大致属亚科水平上相关。
  • 如果同一 VC 或 VC 子簇中没有参考基因组，那么它们很可能在属水平上根本不相关。也就是说它们有可能在更高的分类水平上相关（亚科、科、目）。

每列名称：

  • 1 Genome 基因组/序列名
  • 2-4 Order/Family/Genus 目/科/属
  • 5 preVC 初始病毒聚类
  • 6 VC Status 病毒聚类状态
  • 7 VC 病毒聚类
  • 8 VC Size 病毒聚类数
  • 9 Quality 质量值
  • 10 Adjusted P-value 调整后的P值
  • 11 VC Avg Distance 病毒聚类平均距离
  • 12 Topology Confidence Score 拓扑学置信度
  • 13 Genus Confidence Score 属级分类置信度
  • 14-16 VC Orders/Families/Genra 病毒聚类目/科/属数
c1.ntw

包含高于显着性阈值的所有基因组对的源/目标/边缘权重信息，该显着性阈值由这两个基因组共享 N 个基因的概率确定。该文件中的最小值必须大于最小显着性阈值（默认值：1）。

要在 Gephi 或 Cytoscape 中创建网络图形，用户需要将此文件导入到他们喜欢的程序中。
导入后，用户可以添加一个“注释文件” ，可以是genome_by_genome_overview.csv。
每个基因组的注释信息将被添加到网络中的每个节点/基因组。然后，用户可以通过注释文件中的任意属性对网络图形进行着色。

注意：很多时候，用户会注意到他们的基因组连接到网络中的另一个（可能是参考）基因组，但这两个基因组不会位于同一个 VC 子簇中，甚至不会位于同一个 VC 中。这并不意味着它们没有相关性，只是意味着它们的基因共享比例不够大，无法属于同一属。他们在亚科或科层面上可能有很大的关联。

可在https://dx.doi.org/10.17504/protocols.io.x5xfq7n找到详细的说明。

PhaGCN2

PhaGCN2是一种可以快速分类病毒序列的工具，能够在科水平上进行分类，并支持所有科之间关系的可视化。文章于2022年发表在Briefings in Bioinformatics上[2]。

PhaGCN2的性能与其他先进的病毒分类工具（如vConTACT2、CAT和VPF-Class）进行比较显示，PhaGCN2在病毒分类的精度和召回率上大大提高，并且显著增加了可分类病毒序列的数量。它将全球海洋病毒组数据库（Global Ocean Virome）中的可分类序列数量提高了四倍，并且能够对超过90%的肠道噬菌体数据库（Gut Phage Database）进行分类。PhaGCN2使得国际病毒分类委员会数据库（ICTV）的大规模、自动化扩展成为可能。

软件主页：https://github.com/KennthShang/PhaGCN2.0

安装

git clone https://github.com/KennthShang/PhaGCN2.0.git
cd PhaGCN2.0
rm supplementary\ file/ __pycache__/ pred/ final_prediction.csv -rf
vi run_KnowledgeGraph.py # 把第169行注释掉，因为不需要再建一次数据库。
conda env create -f environment.yaml -n phagcn2

# 准备数据库
cd database
tar -zxvf ALL_protein.tar.gz
diamond makedb --in ALL_protein.fasta -d database.dmnd
diamond blastp --sensitive -d database.dmnd -q ALL_protein.fasta -o database.self-diamond.tab
awk '$1!=$2 {{print $1,$2,$11}}' database.self-diamond.tab > database.self-diamond.tab.abc
cd ..

运行

$ python run_Speed_up.py -h
usage: run_Speed_up.py [-h] [--contigs CONTIGS] [--len LEN]

manual to this script

optional arguments:
  -h, --help         show this help message and exit
  --contigs CONTIGS
  --len LEN

该程序有两个参数：

  • --contigs 是 contigs 文件的路径。
  • --len 是您要预测的重叠群的长度。正如我们的论文所示，随着重叠群长度的增加，查全率和查准率也会增加。我们建议您根据需要选择合适的长度。默认长度为 8000bp。支持的最短长度为1700bp。输出文件为final_prediction.csv。此 csv 文件中有三列：“contig_name、median_file_name、prediction”。
示例：
conda activate phagcn2
export MKL_SERVICE_FORCE_INTEL=1 #要设置一下这个
python run_Speed_up.py --contigs contigs.fa --len 8000

注意，该程序没有指定输出路程，会在当前目录生成，每次重跑会覆盖之前的内容😂，而且因为它的环境路径也不是绝对的，所以只能在PhaGCN2.0目录下跑，所以也不能同时跑多个任务，作者暂时也没有修改这个问题：https://github.com/KennthShang/PhaGCN2.0/issues/10。

所以最好在运行该程序之前先切换到相应的输出目录（把运行文件全部拷贝到该目录），或者每次运行完把结果移动到输出目录。

每次运行完把结果再移动到输出目录的策略还是有不足，会导致无法同时运行多个任务，所以选择前者。

我们可以看一下run_Speed_up.py具体的几个步骤：

  1. diamond，blastp 数据库准备，这里只需要运行一遍就好了，不知道为啥要放在run_Speed_up.py里每次都运行，至少还需要几十分钟呢。
  2. 把我们输入的contigs分割为每1000条序列一个子文件，过滤掉小于8000的序列，放在Split_files/下。
  3. 循环每个子文件：
    1. 把子文件mv到input/下，运行run_CNN.py，会用到CNN_Classifier/目录，得到Cyber_data/contig.F
    2. 运行run_KnowledgeGraph.py，生成中间文件single_contig/，all_proteins/，network/，输出到out/和Cyber_data/
    3. 运行run_GCN.py，得到prediction.csv，
    4. 整理子文件输出，放在pred/，删除中间文件
  4. 合并所有子文件输出，运行run_network.py

所以还是选择自己写一个pipeline来跑吧，方便指定输出位置以及同时跑多个任务，不用run_Speed_up.py：

#!/bin/bash

# 打印帮助信息
usage() {
    echo "Usage: $0 -p <phaGCN_dir> -i <input_file> -o <output_dir>"
    exit 1
}

# 解析命令行参数
while getopts ":p:i:o:" opt; do
    case "${opt}" in
        p)
            phaGCN_dir=${OPTARG}
            ;;
        i)
            input=${OPTARG}
            ;;
        o)
            output=${OPTARG}
            ;;
        *)
            usage
            ;;
    esac
done

# 检查是否提供了所有参数
if [ -z "${phaGCN_dir}" ] || [ -z "${input}" ] || [ -z "${output}" ]; then
    usage
fi

# 将路径转换为绝对路径
phaGCN_dir=$(cd "$(dirname "$phaGCN_dir")" && pwd)/$(basename "$phaGCN_dir")
input=$(cd "$(dirname "$input")" && pwd)/$(basename "$input")
output=$(cd "$(dirname "$output")" && pwd)/$(basename "$output")

# 检查输出目录是否存在且非空
if [ -d "$output" ] && [ "$(ls -A $output)" ]; then
    echo "Error: Output directory $output already exists and is not empty."
    exit 1
fi

# 创建输出目录并进入
mkdir -p "$output"
cd "$output" || exit

# 复制 Python 脚本和 C 相关内容
cp "${phaGCN_dir}"/*.py ./
cp -r "${phaGCN_dir}/C"* ./

# 创建 database 目录的符号链接
ln -s "${phaGCN_dir}/database/" ./

# 创建 input 目录并复制输入文件
mkdir input/
cp "$input" input/

# 运行各个 Python 脚本
echo "Running CNN..."
python run_CNN.py

echo "Running KnowledgeGraph..."
mkdir network
python run_KnowledgeGraph.py

echo "Running GCN..."
python run_GCN.py

echo "All tasks completed."

# 删除拷贝过来的脚本和目录
rm -rf *.py C* database

把上面内容拷贝到名为 run_phagcn的文件，注意修改~/biosoft/PhaGCN2.0为自己目录：

vi run_phagcn
chmod +x run_phagcn
# 链接到环境变量目录
ln -s ~/biosoft/PhaGCN2.0/run_phagcn ~/miniconda3/envs/phagcn2/bin/

这样就可以在任意目录运行该程序并指定输出了。

cd ~/work/test/phagcn2_test
# 注意input不要是contigs.fa，不然会覆盖
cp ~/biosoft/PhaGCN2.0/contigs.fa ./test_contigs.fa
run_phagcn -p ~/biosoft/PhaGCN2.0/ -i test_contigs.fa -o ~/work/test/phagcn2_test/output

结果就是prediction.csv文件和network/phage_0.ntw文件，network/phage_0.ntw可以类似上述方法画一个网络图。

References

  1. Bin Jang, H., Bolduc, B., Zablocki, O. et al. Taxonomic assignment of uncultivated prokaryotic virus genomes is enabled by gene-sharing networks. Nat Biotechnol 37, 632–639 (2019). https://doi.org/10.1038/s41587-019-0100-8
  2. Jing-Zhe Jiang, Wen-Guang Yuan, Jiayu Shang, Ying-Hui Shi, Li-Ling Yang, Min Liu, Peng Zhu, Tao Jin, Yanni Sun, Li-Hong Yuan, Virus classification for viral genomic fragments using PhaGCN2, Briefings in Bioinformatics, 2022;, bbac505, https://doi.org/10.1093/bib/bbac505
Asa12138
关注
  • 14
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
VIGOR3:病毒基因组注释-开源
04-28
VIGOR是用于注释病毒基因组中编码基因的工具。 它由Jeffrey Hoover和Wang Shiliang为JCVI传染病基因组测序中心（GSCID）开发。 http://www.biomedcentral.com/content/pdf/1471-2105-11-451.pdf联系人：Jeff Hoover ...
宏病毒组（四）|病毒注释软件介绍
bioyigene的博客
12-26 2399
宏病毒组直接以样本中所有病毒的遗传物质为研究对象，快速鉴定样本中所有的病毒组成。测序数据的组装及病毒的分类注释直接影响项目分析结果的准确性。在上篇推文中小编给大家详细介绍了组装软件——Megahit超详细安装及应用教程，接下来给大家介绍2款常见的病毒分类注释软件。
姜敬哲/孙燕妮/原丽红合作开发可用于病毒快速分类的工具PhaGCN2
刘永鑫的博客——宏基因组公众号
06-05 2379
南海水产研究所姜敬哲团队、香港城市大学孙燕妮团队、广东药科大学原丽红合作开发的可用于病毒快速分类生信工具使用PhaGCN2对病毒基因组片段分类Virus classification for viral genomic fragments using PhaGCN2文章链接：https://www.researchsquare.com/article/rs-1658089...
vcontact2：病毒聚类（失败）
m0_53945548的博客
04-24 687
【代码】vcontact2：病毒聚类（失败）
Cell子刊：人体肠道病毒组高度多样、稳定且个体特异
刘永鑫的博客——宏基因组公众号
03-29 2710
文章目录人体肠道病毒组高度多样，稳定并且个体特异热心肠日报图型摘要摘要背景结果总病毒载量和α-多样性是是个体特有的，并具有持久的特征图1 通过VLP鸟枪测序恢复的病毒多样性的实验设计随着时间的推移人类病毒高度个体且组成稳定图2 个体间病毒组特异性、保守性以及与细菌组组成的相关性PPVs稳定，并且在数量上占优势图3 病毒组中的相对重量和PPV的分类组成PPV成员的聚类揭示了与人类细菌微生物群主要成员...
Front Microbiol | 广东药科原丽红/水科院南海所姜敬哲-RNA病毒最新分类标准的讨论...
刘永鑫的博客——宏基因组公众号
11-21 744
基于2020年ICTV报告再认识RNA病毒的分类标准A discussion of RNA virus taxonomy based on the 2020 International Committee on Taxonomy of Viruses reportArticle, 2022-10-14, Frontiers in Microbiology, [IF 6.064]第一作者：袁文广通讯...
NAR：vRhyme - 对宏基因组中的病毒基因组进行分选的生信工具
刘永鑫的博客——宏基因组公众号
05-20 1200
vRhyme 能够从宏基因组中分箱病毒基因组vRhyme enables binning of viral genomes from metagenomes翻译：周之超@UW-MadisonNucleic Acids Research [IF: 16.97]DOI：https://doi.org/10.1093/nar/gkac341发表日期：2022-05-11第一作者...
微生物组—宏病毒组技术培训班开课啦！
刘永鑫的博客——宏基因组公众号
03-11 348
课程简介时间：2023年4月14日-16日适合专业领域：水体（江河湖海）、土壤（底泥、根系）、生态环境（污水处理厂、矿山、草原、山地、湿地等）、畜禽、水产养殖、植保、医学等相关宏病毒分析领域授课方式：线下授课授课地点：南京秦淮区瑞金路街道中山东路532-2号授课老师：具有海内外名校、科学院、985/211院校博士学位，从事宏病毒组分析方法研究8年以上，多人次获得国家级人才项目资助；团队在PNAs、...
解决：/bin/sh: 1: /home/**/custom_app.sh: Permission denied错误
weixin_30609287的博客
08-04 328
出现如下错误，一般是执行权限不够。 /bin/sh: 1: /home/custom_app.sh: Permission denied 解决方法是：cd 到此文件目录，对提示的文件赋予可执行权限或读写权限，我这里提示的是custom_app.sh，所以我就给它赋予权限即可。 chmod a+x custom_app.sh 转载于:https://www.cnblogs...
利用Laravel 搭建oauth2 API接口 附 Unauthenticated 解决办法
weixin_33737774的博客
03-17 791
利用Laravel 搭建oauth2 API接口 要求 laravel 5.4以上 安装 $ composer require laravel/passport 在配置文件 config/app.php 的providers 数组中注册 Passport 服务提供者： LaravelPassportPassportServiceProvi...
YOLOV8对于classify分类任务更换resnet18主干网络
m0_53291740的博客
08-16 308
添加到conv.py末尾注册模块。
如何在项目管理中完成项目立项？
自律即自由
08-20 340
项目立项是项目管理中的重要环节，是项目正式启动的第一步。项目立项的概念指的是对项目进行初步评估、确定项目的可行性并正式批准项目开展的过程。其意义在于确保项目具备明确的目标和合理的资源配置，为项目的成功实施奠定坚实基础。
大数据技术现场工程师特色实训室解决方案
whwzzc的博客
08-13 733
同时，定期举办招聘活动，促进学生的就业，确保实训室与企业的紧密联系，为学生创造更多的实践和就业机会。此外，实训室还应加强与企业的合作，及时了解行业需求的变化，调整教学方向和课程设置，以培养出更加符合市场需求的人才。同时，注重跨学科知识的融合，如将统计学、机器学习、人工智能等领域的知识融入实训项目中，提升学生的综合素质和创新能力。通过这种持续的自我革新和优化升级，实训室将能够更好地适应新的挑战，为学生提供更加优质的教育资源，为企业培养更加优秀的人才，为社会创造更大的价值。
基于Android单词识记软件APP设计与实现.docx
08-20
基于Android单词识记软件APP设计与实现.docx
CloudEngine系列交换机 M-LAG标准化部署指南.chm
最新发布
08-20
荐两层组网架构，即Spine与Server Leaf两级M-LAG组网，Spine部署双活网关。 •PE/Core与Spine间采用口字型或交叉型组网，三层对接静态路由、OSPF或BGP协议。 •两台Spine间跨板/跨子卡Eth-Trunk部署Peer-link。如果两块单板端口速率不一致，通过高速端口协商低速（100GE协商为40GE）或不同速率端口混合捆绑方式（需规划链路负载分担权重，M-LAG口不支持使用此方式）保证Peer-link的可靠性。 •部署独立三层链路作为上行链路的备份路径，同时作为M-LAG的DAD链路，在Peer-link故障后可以通过DAD链路检测对端设备是设备级故障还是端口级故障。 •Spine间互联的三层DAD链路配置为保留口（当Peer-link故障时不会被Error-down）。
vue.js+node.js+mysql在线聊天室源码
08-20
在线聊天室源码，采用技术栈：vue.js+Element UI+node.js+socket.io+mysql，有兴趣的下载研究研究。
weixin246微信小程序书店springboot.zip
08-20
互联网发展至今，无论是其理论还是技术都已经成熟，而且它广泛参与在社会中的方方面面。它让信息都可以通过网络传播，搭配信息管理工具可以很好地为人们提供服务。针对高校教师成果信息管理混乱，出错率高，信息安全性差，劳动强度大，费时费力等问题，采用微信小程序书店可以有效管理，使信息管理能够更加科学和规范。 微信小程序书店使用Java语言进行编码，使用Mysql创建数据表保存本系统产生的数据。系统可以提供信息显示和相应服务，其管理微信小程序书店信息，查看微信小程序书店信息，管理微信小程序书店。 总之，微信小程序书店集中管理信息，有着保密性强，效率高，存储空间大，成本低等诸多优点。它可以降低信息管理成本，实现信息管理计算机化。
大学生创业计划书(14)-两份资料.docx
08-20
大学生创业计划书(14)-两份资料.docx
weixin217基于微信小程序的学生签到系统设计与实现ssm.zip
08-20
社会发展日新月异，用计算机应用实现数据管理功能已经算是很完善的了，但是随着移动互联网的到来，处理信息不再受制于地理位置的限制，处理信息及时高效，备受人们的喜爱。所以各大互联网厂商都瞄准移动互联网这个潮流进行各大布局，经过多年的大浪淘沙，各种移动操作系统的不断面世，而目前市场占有率最高的就是微信小程序，本次开发一套基于微信小程序的生签到系统，有管理员，教师，学生三个角色。管理员功能有个人中心，学生管理，教师管理，签到管理，学生签到管理，班课信息管理，加入班课管理，请假信息管理，审批信息管理，销假信息管理，系统管理。教师和学生都可以在微信端注册和登录，教师可以管理签到信息，管理班课信息，审批请假信息，查看学生签到，查看加入班级，查看审批信息和销假信息。学生可以查看教师发布的学生签到信息，可以自己选择加入班课信息，添加请假信息，查看审批信息，进行销假操作。基于微信小程序的生签到系统服务端用Java开发的网站后台，接收并且处理微信小程序端传入的json数据，数据库用到了MySQL数据库作为数据的存储。这样就让用户用着方便快捷，都通过同一个后台进行业务处理，而后台又可以根据并发量做好部署，用硬件和软件进行协作，满足于数据的交互式处理，让用户的数据存储更安全，得到数据更方便。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值