本教程介绍了一种构建深度学习算法的简单方法，用于对宏基因组数据进行二分类序列分类。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
在许多宏基因组数据分析中，物种分类、基因功能分类和病毒宿主分类等多种生物序列分类任务都是常见的处理流程。由于宏基因组数据包含大量新物种和新基因，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寻找合适的序列分类与注释工具时常面临挑战，且往往因缺乏必要的数学与计算知识而无法自行构建相应的算法。近年来，深度学习技术成为热门研究方向，在多种分类任务中展现出显著优势。迄今为止，已开发出许多高度封装的深度学习软件包，使得生物学家无需深入了解算法细节，即可根据自身需求构建深度学习框架。本教程将指导读者构建一个易于使用的序列分类深度学习框架，整个过程无需具备充足的数学知识或编程技能。所有代码均已优化并集成于虚拟机中，用户可直接使用自己的数据运行代码。
引言
宏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，宏基因组数据包含来自不同生物体的DNA，且大多数生物序列来源于当前数据库中尚未收录的新型生物体。根据不同的研究目的，生物学家需要从多个角度对这些序列进行分类，例如物种分类1、病毒-细菌分类2,3,4、染色体-质粒分类3,5,6,7，以及基因功能注释（如抗生素抗性基因分类8和毒力因子分类9）。由于宏基因组数据包含大量新物种和新基因，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）的从头预测（ab initio）算法，成为宏基因组数据分析中的重要方法。然而，此类算法的设计需要专业的数学知识和编程技能，因此许多生物学家及算法设计初学者在构建满足自身需求的分类算法时面临困难。
随着人工智能的发展，深度....
访问受限。请登录或开始试用以查看此内容。
方案
1. 虚拟机的安装
- 从（https://github.com/zhenchengfang/DL-VM）下载虚拟机文件。
- 从 https://www.virtualbox.org 下载 VirtualBox 软件。
- 使用相关软件（如 "7-Zip"、"WinRAR" 或 "WinZip"）解压 ".7z" 文件。
- 通过在每一步中点击 Next 按钮来安装 VirtualBox 软件。
- 打开 VirtualBox 软件，点击 New 按钮以创建虚拟机。
- 第 6 步：在 "Name" 框中输入指定的虚拟机名称，在 "Type" 框中选择 Linux 作为操作系统，在 "Version" 框中选择 Ubuntu ，然后点击 Next 按钮。
- 分配虚拟机的内存大小。建议用户将滑块拖动至绿色条最右侧，以尽可能多地分配内存给虚拟机，然后点击 Next 按钮。
- 选择 Use an existing virtual hard disk file....
访问受限。请登录或开始试用以查看此内容。
结果
在我们之前的研究中，我们采用与本教程类似的方法，开发了一系列用于宏基因组数据的序列分类工具3,11,12。作为示例，我们已将之前研究中训练集和测试集子集的序列文件3,11存入虚拟机中。
Fang & Zhou11 旨在从病毒组数据中鉴定完整的和部分的原核病毒病毒粒子蛋白。文件 "p_train.fasta" 包含训练集的病毒病毒粒子蛋白片段；文件 "n_train.fasta" 包含训练集的病毒非病毒粒子蛋白片段；文件 "p_test.fasta" 包含测试集的病毒病毒粒子蛋白片段；文件 "n_test.fasta" 包含测试集的病毒非病毒粒子蛋白片段。用户可直接执行以下两条命令以构建神经网络：
./onehot_en.......
访问受限。请登录或开始试用以查看此内容。
讨论
本教程面向生物学家和算法设计初学者，介绍了如何构建一个易于使用的深度学习框架，用于宏基因组数据中生物序列的分类。本教程旨在帮助读者直观理解深度学习，并解决初学者在安装深度学习软件包和编写算法代码时常遇到的困难。对于一些简单的分类任务，用户可直接使用该框架完成分类工作。
考虑到许多生物学家对 Linux 操作系统的命令行并不熟悉，我们已在虚拟机中预装了所有依赖软件。通过这种方式，用户可直接在虚拟机中按照上述方案运行代码。此外，如果用户熟悉 Linux 操作系统和 Python 编程，也可以在服务器或本地计算机上直接运行本方案。在此情况下，用户需预先安装以下依赖软件：
Python 2.7.12 (https://www.python.org/)
Python 软件包：
numpy 1.13.1 (http://www.numpy.org/)
h5py 2.6.0 (http://www.h5py.org/)
TensorFlow.......
访问受限。请登录或开始试用以查看此内容。
披露
作者声明不存在利益冲突。
致谢
本研究由国家自然科学基金（81925026、82002201、81800746、82102508）资助。
....访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| PC 或服务器 | NA | NA | 建议内存：>6GB |
| VirtualBox 软件 | NA | NA | 链接：https://www.virtualbox.org |
参考文献
- 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).
- Ren, J., et al. VirFinder: a novel k -....
访问受限。请登录或开始试用以查看此内容。
重印与许可
