DeepBGC：生物合成基因簇的检测和分类

已于 2022-02-04 11:46:40 修改
阅读量3.1k 收藏 5
点赞数 1
分类专栏： 一些生信工具 文章标签： 生物信息学
于 2021-04-16 12:05:37 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/Curry_chenhu/article/details/115752055
版权

DeepBGC使用深度学习来检测细菌和真菌基因组中的BGC。DeepBGC使用双向长期短期记忆递归神经网络和Pfam蛋白域的word2vec样载体嵌入。使用随机森林分类器预测产品类别和检测到的BGC的活性。
简单来说就是他可以挖掘到antismash没有分析出来的BGC
在这里插入图片描述

deepbgc安装：https://github.com/Merck/deepbgc

运行deepbgc

#Show command help docs

deepbgc pipeline --help

#Detect and classify BGCs in mySequence.fa using DeepBGC detector.

deepbgc pipeline mySequence.fa

#Detect and classify BGCs in mySequence.fa using custom DeepBGC detector trained on your own data.

deepbgc pipeline --detector path/to/myDetector.pkl mySequence.fa

json输出文件在antismash中可视化在这里插入图片描述

json文件可视化只在antismash6.0版本以上才有，本地化antismash 6.0版本还未发布

Chenhu7
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Antismash-BigScape次级代谢基因簇鉴定
Neptuneyut的博客
10-05 1万+
antiSMASH - the antibiotics and Secondary Metabolite Analysis SHell，是用来鉴定微生物基因组次级代谢物合成基因簇的软件。临床上使用的大部分抗生素和药物均来自植物或微生物的天然产物。结合基因组挖掘的经典分离与分析法使得基于基因组的天然产物途径鉴定和描述更为方便。一般情况下，参与次级代谢途径中生物合成酶基因在基因组上成簇排列，基于指定类型的HMM，antiSMASH数据库能准确鉴定所有已知的次级代谢簇。
bigslice:用于生物合成基因簇数据大规模分析的高度可扩展，用户交互工具
03-18
毕osynthetic摹烯集群- S UPER李春附近上光êngine 快速开始 确保已安装 （ 版或更高版本）。 使用pip安装BiG-SLiCE ： 来自PyPI（稳定） user@local:~ $ pip install bigslice 从来源（出血边缘） user@local:~ $ git clone git@github.com:medema-group/bigslice.git user@local:~ $ pip install ./bigslice/ 获取最新的HMM型号（压缩后为±470MB）： user@local:~ $ download_bigslice_hmmdb 检查您的安装： user@local:~ $ bigslice --version . 运行BiG-SLiCE聚类分析：（有关如何准备输入文件，请参见夹） user@loca
deepbgc:使用深度学习进行BGC检测和分类
05-15
DeepBGC：生物合成基因簇的检测和分类 DeepBGC使用深度学习来检测细菌和真菌基因组中的BGC。 DeepBGC使用双向长期短期记忆递归神经网络和Pfam蛋白域的word2vec样载体嵌入。 使用随机森林分类器预测产品类别和检测到的BGC的活性。 :pushpin: 消息 :pushpin: DeepBGC 0.1.23：预测BGCs现在可以在antiSMASH使用JSON输出文件被上传用于可视化 根据以下说明，照常安装和运行DeepBGC 上传antismash.json从DeepBGC输出文件夹使用“上传额外的注释” 页 预测的BGC区域及其预测分数将与antiSMASH BGC一起显示 刊物 用于生物合成基因簇预测的深度学习基因组挖掘策略Geoffrey D Hannigan，David Prihoda等人，《核酸研究》，gkz654， //doi.org/10.1093/nar/gkz654 使用
微生物组的生物合成基因簇（BGCs）分析
Asa12138的博客
05-07 1219
生物合成基因簇（biosynthetic gene cluster，BGC） 是一类非常重要的基因集合类型，随着高通量测序技术和生物大数据处理工具的快速发展，直接从宏基因组（metagenome）中探索BGC的策略已经越来越成熟。
antiSMASH数据库：微生物次生代谢物合成基因组簇查询和预测
刘永鑫的博客——宏基因组公众号
07-20 1万+
antiSMASH数据库：微生物次生代谢物合成基因组簇查询和预测2017年4月28日，核酸研究(Nucleic Acids Research)杂志上，在线公布了一个可搜索微生物次生代谢物合成基因组簇的综合性数据库antiSMASH数据库 4.0版，前3版年均引用250次，累计引物1600+；可实现基因组与基因组之间的相关天然产物合成基因簇的查询和预测。核酸研究杂志上，在线公布了一个可搜索微生物次生代
Nat. Rev. Drug Discov. | 人工智能在天然产物药物发现领域的应用
DrugAI
11-19 265
今天为大家介绍的是来自Gerard J. P. van Westen, Anna K. H. Hirsch, Roger G. Linington, Serina L. Robinson和Marnix H. Medema团队的一篇药物发现综述。计算组学技术的发展为我们提供了新的方法工具，用以挖掘天然产物的隐藏多样性，为药物发现提供新的可能性。与此同时，人工智能方法，如机器学习，也在计算药物设计领域取得了令人兴奋的发展，促进了生物活性预测和针对感兴趣的分子靶标的从头药物设计。
BioCAT:NRP的生物合成基因簇逆向预测因子
04-12
BioCAT：nrp生物合成指标分析工具 该工具将有助于找到具有非核糖体生物合成途径的物质的生物合成基因（BGC）簇。 安装以下依赖项： rBAN（1.0-版本） antismash（已通过5.1.1测试，使用较小的版本可能会出现问题） python3（版本3.8） python3库： numpy（版本1.19.2） 熊猫（版本1.1.3） Biopython（版本1.78版） scikit-learn（版本0.23.2） 使用方法 $ python3 BioCAT.py -h
synbio：用于进行合成生物学的简单python软件包
02-13
synbio：用于进行合成生物学的简单python软件包 这是用于合成生物学的自制包装。 它提供了表示生物学通用原语的Python类。 文献资料 还没有。 给我电子邮件（ ）如果您有疑问 依存关系 需要 。 好吧，仅当您想进行自动基因组装时。 所有的核心代码都是用纯Python编写的。 将来的重构会将代码库分为纯Python和依赖于外部模块的软件包。 安装 运行以下命令 git clone https://github.com/jecalles/synbio.git pip install ./synbio
论文研究 - 转录因子边界区域预测：带卷积神经网络的Word2Vec技术
05-16
全基因组的表观基因组数据集使我们能够验证基序的生物学功能并更全面地了解调控机制。 一个不同的基序如何确定转录因子（TF）是否可以在特定位置结合DNA是一个关键的研究问题。 在这个项目中，我们应用自然语言处理（NLP）中使用的计算技术来预测给定基序实例的转录因子结合区（TFBR）。 现有的大多数使用深度神经网络的主题预测方法都将具有一键编码的基本序列用作输入特征，以实现TFBR的识别，这有助于实现低分辨率和间接绑定机制。 但是，如何弄清楚基序对结合位点的集体影响是很复杂的。 在我们的管道中，我们使用Word2Vec算法，并以主题名称作为输入，以基于ENCODE数据集，利用卷积神经网络（CNN）预测TFBR，以实现二进制分类。 在这方面，我们将不同类型的主题视为单独的“单词”，并将它们对应的TFBR视为“句子”的含义。 一个“句子”本身仅仅是这些主题的组合，所有“句子”都是整个“段落”的组成。 对于每个结合位点，我们在不同细胞类型内进行二进制分类，以显示模型在不同结合位点和细胞类型下的性能。 每个“单词”在高维上都有一个对应的向量，并且每个向量之间的距离都可以计算出来，因此我们可以从模型中
TaxiBGC ——分类学指导下的生物合成基因簇鉴定流程
Hangzhou_Guhe的博客
12-15 694
微生物基因组中的生物合成基因簇 (BGC) 编码具有生物活性的次级代谢物 (SM)，它可以在微生物-微生物和宿主-微生物相互作用中发挥重要作用。 鉴于次级代谢物的生物学意义和当前对微生物组代谢功能的深刻兴趣，从高通量宏基因组数据中无偏见地鉴定生物合成基因簇可以为微生物群的复杂化学生态提供新的见解。
双歧杆菌基因组序列批量下载、基因组注释、antiSMASH合成基因簇挖掘、核心基因的同源性比较。
Curry_chenhu的博客
02-01 3178
双歧杆菌基因组序列批量下载、基因组注释、antiS合成基因簇挖掘、核心基因的同源性比较 文章目录双歧杆菌基因组序列批量下载一、双歧杆菌基因组信息检索及下载1.PATRIC数据库检索双歧杆菌(Bifidobacterium) 并下载序列信息csv文件二、基因组序列批量下载python脚本代码prokka基因组注释一、prokka的安装二、prokka使用三、结果antiSMASH安装及使用一、antiSMASH简介二、antiSMASH安装与使用1.安装2.使用结果核心基因的同源性比较一、提取核心基因AA序
列举一些分析次级代谢物基因簇相关的数据库
刘永鑫的博客——宏基因组公众号
08-06 7562
次级代谢物基因簇数据库BAGEL4、antiSMASH、PRISM次级代谢产物，或称天然产物，是由生物体产生的化合物，对于机体的正常生长不是必不可少的。这些次级代谢产物中有许多在医药、农业...
NAR：antiSMASH数据库2—次级代谢物基因簇预测
刘永鑫的博客——宏基因组公众号
06-03 9426
文章目录antiSMASH数据库第2版：次级代谢产物生物合成基因簇的综合资源划重点摘要背景材料与方法基因组数据的选择antiSMASH注释和数据导入结果与讨论表1. antiSMASH数据库基因簇统计与第一版比较表2. antiSMASH数据库第1/2版各类基因簇数量和增加幅度图1. 数据库的统计摘要结论数据和代码参考文献猜你喜欢写在后面 之前我们介绍过《antiSMASH：微生物次生代谢物基因...
生物信息学之抗癌药物反应论文阅读一：DeepProfile
Programming_miao的博客
10-17 1191
论文地址：DeepProfile: Deep learning of patient molecular profiles for precision medicine in acute myeloid leukemia DeepProfile：深度学习应用于精准医学，急性髓细胞白血病患者分子谱分析 作者信息 [1] Ayse BercesteDincer,SafiyeCelik,...
deeplearning中的train set（训练集），development set（开发集） ，test set（测试集）的区别
热门推荐
l8947943的博客
05-15 1万+
training set：训练集是用来训练模型的。遵循训练集大，开发，测试集小的特点，占了所有数据的绝大部分。development set：用来对训练集训练出来的模型进行测试，通过测试结果来不断地优化模型。test set：在训练结束后，对训练出的模型进行一次最终的评估所用的数据集。注意：          所有数据之间都应该属于同分布，才能进行训练测试，如果不同分布，则不能进行训练测试...
计算机系统结构(02325)自考真题(201704)
最新发布
07-28
计算机系统结构(02325)自考真题(201704) 计算机系统结构（Computer Architecture）也称为计算机体系结构，它是由计算机结构外特性，内特性，微外特性组成的。经典的计算机系统结构的定义是指计算机系统多级层次结构中机器语言机器级的结构，它是软件和硬件/固件的主要交界面，是由机器语言程序、汇编语言源程序和高级语言源程序翻译生成的机器语言目标程序能在机器上正确运行所应具有的界面结构和功能。 计算机系统结构指的是什么? 是一台计算机的外表? 还是是指一台计算机内部的一块块板卡安放结构? 都不是，那么它是什么? 计算机系统结构就是计算机的机器语言程序员或编译程序编写者所看到的外特性。所谓外特性，就是计算机的概念性结构和功能特性。用一个不恰当的比喻一，比如动物吧，它的"系统结构"是指什么呢? 它的概念性结构和功能特性，就相当于动物的器官组成及其功能特性，如鸡有胃，胃可以消化食物。至于鸡的胃是什么形状的、鸡的胃部由什么组成就不是"系统结构"研究的问题了。
国家电零售业中上市公司融资问题研究—以国美电器为例.docx
07-28
国家电零售业中上市公司融资问题研究—以国美电器为例.docx
生物信息学:序列和基因组分析 pdf
08-20
生物信息学是一门研究如何利用计算机和统计学等工具来解析生物学数据的学科。序列和基因组分析是生物信息学中的重要研究方向之一。 序列分析是指对生物分子序列（如DNA、RNA和蛋白质序列）进行研究和分析的过程。通过序列比对、序列拼接和序列注释等方法，可以揭示出序列的结构、功能和演化关系。序列分析广泛应用于基因组学、生物多样性、蛋白质结构预测和新药研发等领域。 基因组分析则是对整个基因组的进行研究和解析。基因组是个体的遗传信息的完整集合，包括DNA序列、基因组结构和功能元件等。基因组分析的目标是识别基因、预测基因的功能、研究基因组结构和演化、揭示基因与表型之间的关联等。基因组分析为研究生物体的基因组组成、功能和调控提供了重要的工具和方法。 PDF格式是一种常用的电子文档格式，生物信息学领域也有大量的相关资料以PDF格式发布。《生物信息学:序列和基因组分析》PDF是一本介绍生物信息学中序列和基因组分析原理和方法的书籍。该书系统地介绍了序列比对、序列拼接、序列注释、基因预测、基因组结构和演化等内容，帮助读者理解和应用生物信息学在序列和基因组分析方面的重要技术。 总之，生物信息学中的序列和基因组分析是研究生物分子序列和整个基因组的结构、功能和演化的重要领域。《生物信息学:序列和基因组分析》PDF是一本介绍该领域原理和方法的书籍，对于学习和应用生物信息学的研究者和学生具有重要意义。
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