Method Article

非计算机专业人员使用深度学习对元数据的生物序列进行分类的虚拟计算机平台

DOI:

10.3791/62250

⸱

September 25th, 2021

 , 
1Microbiome Medicine Center, Department of Laboratory Medicine, Zhujiang Hospital, Southern Medical University, 2Center for Quantitative Biology, Peking University, 3State Key Laboratory of Organ Failure Research, Southern Medical University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本教程描述了构建深度学习算法的简单方法，用于执行计量数据的 2 级序列分类。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在许多元基因组数据分析中，预计会执行各种生物序列分类任务，如物种分类、基因功能分类和病毒宿主分类。由于元基因组数据包含大量新物种和基因，许多研究都需要高性能的分类算法。生物学家在为特定任务找到合适的序列分类和注释工具时经常遇到挑战，而且由于缺乏必要的数学和计算知识，往往无法自行构建相应的算法。深度学习技术最近成为热门话题，在许多分类任务中显示出很强的优势。迄今为止，许多高度包装的深度学习包已经开发出来，这使得生物学家能够根据自己的需要构建深度学习框架，而无需深入了解算法细节。在本教程中，我们为构建一个易于使用的序列分类深度学习框架提供了指导，而无需足够的数学知识或编程技能。所有代码都在虚拟机器中进行优化，以便用户可以使用自己的数据直接运行代码。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

元基因组测序技术绕过了菌株分离过程，直接对环境样本中的总DNA进行测序。因此，元基因组数据包含来自不同生物体的DNA，大多数生物序列来自当前数据库中不存在的新生物体。根据不同的研究目的，生物学家需要从不同的角度对这些序列进行分类，如分类分类1、病毒细菌分类2、3、4、染色体质粒分类3、5、6、7和基因功能注释（如抗生素耐药性基因分类8和毒因子分类9）).由于元基因组数据包含大量新颖的物种和基因，因此不依赖已知数据库进行序列分类（包括DNA分类和蛋白质分类）的ab initio算法是计量数据分析的重要方法。然而，这种算法的设计需要专业的数学知识和编程技能:因此，许多生物学家和算法设计初学者很难构建一个分类算法来满足自己的需要。

随着人工智能的发展，深度学习算法已广泛应用于生物信息学....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 虚拟机器的安装

  1. 从（https://github.com/zhenchengfang/DL-VM）下载虚拟机文件。
  2. 从 https://www.virtualbox.org 下载虚拟框软件。
  3. 使用相关软件（如"7-Zip"、"WinRAR"或"WinZip"）解压".7z"文件。
  4. 通过单击每个步骤中的 下一个 按钮来安装虚拟框软件。
  5. 打开虚拟框软件并单击 新 按钮以创建虚拟计算机。
  6. 第 6 步:在"名称"框架中输入指定的虚拟机名，在"类型"框架中选择 Linux 作为操作系统，在"版本"框架中选择 Ubuntu 并单击 "下一个 "按钮"。
  7. 分配虚拟机器的内存大小。我们建议用户将按钮拉到绿色条的右侧，以便将尽可能多的内存分配给虚拟计算机，然后单击 "下一个 "按钮。
  8. 选择 使用现有的虚拟硬盘文件 选择，选择从步骤 1.1 下载的文件"VM_Bioinfo.vdi"，然后单击 "创建" 按钮。
  9. 单击 星 形按钮以打开虚拟计算机。
    注:

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在我们之前的工作中，我们开发了一系列的序列分类工具，用于元数据使用类似于此教程3，11，12的方法。例如，我们将培训集子集和测试集的子集的序列文件（从我们以前的工作3、11中存入虚拟机中）。

方和周11 旨在从病毒数据中识别出完整的和部分的前列腺病毒病毒蛋白。文件"p_train.fasta"包含训练集的病毒病毒蛋白片段:文件"n_train.fasta"包含用于训练集的病毒非病毒蛋白片段:文件"p_test.fasta"包含测试集的病毒病毒蛋白片段:文件"n_test.fasta"包含测试集的病毒非病毒蛋白片段。用户可以直接执行以下两个命令来构建神经网络:
./ onehot_encoding p_train. 法斯塔 · n.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本教程为生物学家和算法设计初学者提供了如何构建一个易于使用的深层学习框架，用于在元基因组数据中进行生物序列分类。本教程旨在提供对深度学习的直观理解，并解决初学者在安装深度学习包和为算法编写代码时经常遇到的挑战。对于一些简单的分类任务，用户可以使用该框架执行分类任务。

考虑到许多生物学家不熟悉Linux操作系统的指挥线，我们预装了虚拟机器中的所有依赖软件。这样，用户可以按照上述协议直接在虚拟机中运行代码。此外，如果用户熟悉 Linux 操作系统和 Python 编程，他们还可以直接在服务器或本地 PC 上运行此协议。这样，用户应预装以下依赖软件:

Python 2.7.12 （https://www.python.org/）
Python 包:
numpy 1.13.1 （http://www.numpy.org/）
h5py 2.6.0 （http://www.h5py.org/）
滕索流 1.4.1 （https://www.tensorflow........

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者宣称不存在利益冲突。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

这项研究得到了中国国家自然科学基金（81925026、82002201、81800746、82102508）的资助。

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
PC 或服务器NANA建议内存：>6GB
VirtualBox 软件NANA链接：https://www.virtualbox.org

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Liang, Q., Bible, P. W., Liu, Y., Zou, B., Wei, L. DeepMicrobes: taxonomic classification for metagenomics with deep learning. NAR Genomics and Bioinformatics. 2 (1), (2020).
  2. Ren, J., et al. VirFinder: a novel k -....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Deep LearningBiological Sequence ClassificationMetagenomic DataVirtual MachineSequence Classification ToolsOne Hot EncodingSpecies ClassificationGene Function ClassificationViral Host ClassificationDeep Learning Framework

Related Articles