使用PhaGCN2（v2.2）对病毒重叠群进行物种分类注释

PhaGCN2 是一个基于 GCN 的模型，它可以通过深度学习分类器学习物种掩蔽特征，用于新的病毒分类注释。要使用 PhaGCN2，您只需将重叠群输入程序即可。PhaGCN2 数据库现已根据最新的ICTV分类表进行了更新。

下载安装

首先进入GitHub - KennthShang/PhaGCN2.0，如下图所示，点击绿色Code，下载如图所示的ZIP文件。

然后把此文件上传到自己服务器目录，使用unzip命令解压此文件：unzip PhaGCN2.0-main

进入此目录：cd PhaGCN2.0-main

创建新环境：conda env create -f environment.yaml -n phagcn2

准备数据库：cd database

                     tar -zxvf ALL_protein.tar.gz

返回PhaGCN2.0-main目录： cd ..

运行

每次使用前，在PhaGCN2.0-main目录下运行如下命令：

conda activate phagcn2

export MKL_SERVICE_FORCE_INTEL=1

python run_Speed_up.py --contigs contigs.fa --len 8000

参数说明

该程序有两个参数：

1. --contigs是重叠群文件的路径。
2. --len是要预测的重叠群的长度。 如我们的论文所示，随着重叠群长度的增加，召回率和精度增加。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final_prediction.csv。此 csv 文件中有三列：“contig_name、median_file_name、预测”。
3. 输出文件就在PhaGCN2.0-main目录下

注意：

如果要使用 PhaGCN，需要注意三件事：

1. 确保所有重叠群都是病毒重叠群。您可以使用 VirSorter 或 DeepVirFinder 对细菌重叠群进行筛选
2. 该脚本将传递具有非 ACGT 字符的重叠群，这意味着这些非 ACGT 重叠群将保持不可预测状态。
3. 如果程序输出错误（由您的机器引起）：错误：mkl-service + Intel（R） MKL： MKL_THREADING_LAYER=INTEL 与 libgomp.so.1 库不兼容。 您可以在运行run_Speed_up.py之前键入命令export MKL_SERVICE_FORCE_INTEL=1
4. 如果要训练自己的病毒分类数据库，硬件要求可能相当大（超过 48 GB，至少一个 GPU），主要取决于数据集的大小和复杂程度。（内存需求与即将分析的序列之间的关系）。此部分在作者GitHub上有详细介绍。

参考资料

GitHub - KennthShang/PhaGCN2.0

Jiayu Shang, Jingzhe Jiang, Yanni Sun, Bacteriophage classification for assembled contigs using graph convolutional network, Bioinformatics, Volume 37, Issue Supplement_1, July 2021, Pages i25–i33, https://doi.org/10.1093/bioinformatics/btab293

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