宏病毒組直接以樣本中所有病毒的遺傳物質(zhì)為研究對象，快速鑒定樣本中所有的病毒組成。測序數(shù)據(jù)的組裝及病毒的分類注釋直接影響項(xiàng)目分析結(jié)果的準(zhǔn)確性。在上篇推文中小編給大家詳細(xì)介紹了組裝軟件——Megahit超詳細(xì)安裝及應(yīng)用教程，接下來給大家介紹2款常見的病毒分類注釋軟件。
1.PhaGCN2軟件
PhaGCN2可以在科水平上快速對病毒序列進(jìn)行分類，并支持網(wǎng)絡(luò)圖來可視化結(jié)果文件。軟件鏈接：https://github.com/KennthShang/PhaGCN2.0。其特點(diǎn)是：
(1)使用prodigal在整個病毒領(lǐng)域下構(gòu)建參考數(shù)據(jù)庫
為了建立更快捷、更方便用戶的數(shù)據(jù)庫構(gòu)建管道，應(yīng)用Prodigal基于最新的ICTV2021數(shù)據(jù)庫進(jìn)行了蛋白翻譯(最新的ICTV2021包含10550個病毒)。使用DOV (Dataset of Oyster Virome)中的8760個病毒序列(length>8000bp)作為測試序列，將使用Prodigal構(gòu)建的數(shù)據(jù)庫的PhaGCN2與原始PhaGCN數(shù)據(jù)庫進(jìn)行比較，結(jié)果顯示98.46%的預(yù)測結(jié)果是一致的。用戶可以通過訓(xùn)練PhaGCN2中的病毒分類數(shù)據(jù)庫的功能，將分類與ICTV批準(zhǔn)的分類進(jìn)行對齊。
(2)使用網(wǎng)絡(luò)圖來識別離群點(diǎn)，將離群節(jié)點(diǎn)分配給family_like
PhaGCN2能夠自動識別新的科，從而消除了常用監(jiān)督學(xué)習(xí)模型中對固定標(biāo)簽集的限制。PhaGCN2也可以輸出病毒簇集群網(wǎng)絡(luò)，方便用戶對不同病毒科和病毒科成員之間的關(guān)系有直觀的了解。除了將科與科之間的關(guān)系可視化，使用網(wǎng)絡(luò)拓?fù)鋪碜R別可能的新科，這些新科由與ICTV節(jié)點(diǎn)弱連接的子圖組成。首先，識別離群點(diǎn)——沒有連接到ICTV中的任何病毒的測試病毒(節(jié)點(diǎn))(圖1，紅點(diǎn))。通常這些異常值來自新的科，但由于監(jiān)督學(xué)習(xí)算法的設(shè)計(jì)限制，它們被分配到family_like。
PhaGCN2也存在不足，如對于那些沒有相似度或相似度很低的“暗物質(zhì)”序列，進(jìn)行從頭病毒分類可能是一項(xiàng)不可能的任務(wù)。首先，無法評估預(yù)測的準(zhǔn)確性；其次，沒有任何同源物，很難描述它們基因組的結(jié)構(gòu)或功能；無論確定了多少個序列，它們?nèi)匀皇恰鞍滴镔|(zhì)”。
另外由于PhaGCN2不能預(yù)測輸入序列是屬于病毒還是宿主細(xì)胞，應(yīng)用PhaGCN2之前，應(yīng)先使用病毒識別工具(如DIAMOND、Virsorter2等)去除非病毒序列。
2.vConTACT2
vConTACT v.2.0是一個基于網(wǎng)絡(luò)的應(yīng)用程序，利用全基因組共享基因進(jìn)行病毒分類，它集成了基于距離的層次分類和所分類預(yù)測的置信度評分。軟件鏈接：https://bitbucket.org/MAVERICLab/vcontact2/wiki/Home。
vConTACT（v.1.0）的目標(biāo)是自動將病毒基因組分配到已建立的或新的分類單元中，并評估與ICTV分類一致性（圖2）。然而，在目前的ICTV原核病毒分類中，屬級以上的分類零星的用于亞科和目，因此該應(yīng)用特別強(qiáng)調(diào)病毒在屬水平分類。
在一個基于網(wǎng)絡(luò)的基因組分類學(xué)中（圖2a），相關(guān)基因組作為一組節(jié)點(diǎn)出現(xiàn)，通過病毒簇多邊強(qiáng)烈相關(guān)性連接。在v.1.0版本中，約75%的病毒簇與已建立的ICTV屬相對應(yīng)，但存在約25%不一致。病毒簇的不一致可能由于抽樣不足導(dǎo)致的聚類基因組沒有近緣屬，或者多個具有相同基因的ICTV屬的不正確重疊，亦或者多個ICTV屬錯誤的分配到一個結(jié)構(gòu)化的病毒簇（圖2b）。
為了解決這些問題，vConTACT v.2.0使用了一種新的聚類算法，為分級分類建立基于置信度評分和距離的分類分離單元，并使用一個大規(guī)模病毒宏基因組數(shù)據(jù)集對可擴(kuò)展性和穩(wěn)定性進(jìn)行優(yōu)化和評估?？傮w來說，在形成馬爾科夫算法聚類蛋白集成群后，優(yōu)化了蛋白簇，建立了自動化的兩步過程，接著使用ClusterONE(CL1)來定義病毒簇，使用層次聚類對網(wǎng)絡(luò)中有問題的區(qū)域進(jìn)行細(xì)分（圖2a）。
利用vConTACT v.2.0，可獲得與NCBI中病毒參考序列物種信息幾乎一樣的分類結(jié)果（高達(dá)96%準(zhǔn)確率）；對存在于病毒RefSeq中1346個先前未分類的病毒進(jìn)行分類，其中820種自動生成高可信度的屬水平分類。應(yīng)用vConTACT v.2.0分析了15280個全球海洋病毒基因組片段，并且這些數(shù)據(jù)中31%可以進(jìn)行物種分類。
