下载网站源文件网站名字设计

下载网站源文件,网站名字设计,frontpage2003制作网页教程,wordpress 附件上传插件下载失败文章目录介绍代码参考介绍 尽管病毒生态基因组学扩大了对病毒世界的探索范围和理解程度#xff0c;但现有的分类工具在分类学分辨率方面存在不足#xff0c;无法适用于现代基于发现的数据集或对先前未知的序列空间进行分类。在此#xff0c;我们开发了 vConTACT3——一个基…文章目录介绍代码参考介绍尽管病毒生态基因组学扩大了对病毒世界的探索范围和理解程度但现有的分类工具在分类学分辨率方面存在不足无法适用于现代基于发现的数据集或对先前未知的序列空间进行分类。在此我们开发了 vConTACT3——一个基于机器学习的工具它提高了病毒分类的可扩展性和准确性。通过优化基因共享阈值并利用适应性的、特定领域的分界线vConTACT3 扩展了分类范围涵盖了六个正式认可的领域中的四个对真核和原核病毒进行了分类并建立了从属属到属的准确层次分类体系。具体而言vConTACT3 在 35545 个公共原核病毒基因组和 13524 个公共真核病毒基因组上分别实现了超过 95%的与官方分类的吻合度超过了 vConTACT2 在大多数领域的表现同时还能对先前未被描述的分类单元进行独特分类并且处理速度更快。vConTACT3 的应用能够快速、自动且系统地为数以万计的未分类分类单元提供分类归属评估病毒序列空间以揭示相较于现有分类等级而言更少的分类层级支持情况并找出病毒界中存在分类学难题的区域。a. 三款 vConTACT 工具系列之间功能的概述。b. 网络及其组成部分的概念性概述。网络也称为图本质上由一个节点也称为顶点通过一条边也称为路径连接到另一个节点构成。vConTACT3 中的节点是基因组而 vConTACT3 中的边则是由共享基因的数量以及转换为基因组间相似性得分来定义的。每个网络都被划分为 CC连通组件它是图中节点的一个子集其中任意两个节点之间都通过一条边相连并且不与该子集之外的任何节点相连。最大的连通组件被称为 LCC最大连通组件包含网络中的最多节点数。在这些连通组件内有簇用蓝色和橙色突出显示这些簇通常通过一种算法辅助的正式统计方法来定义。病毒在各种独立的生态系统例如海洋1、2、3、土壤4、5以及与宿主相关的生态系统例如植物6、反刍动物7、8 以及人类9、10中正日益被视为重要的生态和进化因素。然而由于病毒的生活方式多样以及可能存在的众多不同基因组结构即单链或双链、DNA 或 RNA对其进行正式的分类工作颇具挑战性仍存在诸多障碍。首先不同病毒序列空间即病毒世界中的进化速率存在差异这使得无法制定适用于所有领域的统一划分标准从而导致目前国际病毒分类委员会ICTV所认可的分类单元呈现出一种杂乱无章的格局如物种到领域。这使得在极其不同的病毒谱系之间比较类似的分类等级变得十分困难。其次ICTV 最近公布了 15 个分类等级从物种到领域但截至目前这 14690 个被 ICTV 标注的病毒物种中没有一个被赋予了等级其中“子”等级的标注子领域、子纲、子目等等是可选的并且在这些分类单元中并未被使用有三分之二的分类单元并未进行此类标注。此外对所采样的病毒世界进行的全球性调查尚未评估数据在多大程度上支持建立 15 级结构的必要性。最后病毒分类并非是静态的而是一个不断努力的过程旨在反映当时可用的数据。由于地球上约 1031 种病毒尚未完成测序当前的分类描述是基于地球病毒世界中的一小部分得出的。例如即便是规模最大的病毒基因组资源综合微生物基因组/病毒资源IMG/VR15也仅包含约 1530 万个病毒基因组片段这与地球上存在的病毒数量相比差距巨大而且国际病毒分类委员会ICTV的分类仅适用于 IMG/VR 序列的不到 0.01%。尽管目前尚不清楚这 1031 个病毒颗粒将代表多少种病毒“类型”但病毒调查尤其是在新研究的生态系统中通常会发现一些无法在较低分类等级上进行分类的新病毒这表明我们还有很长的路要走才能捕捉到地球上存在的众多病毒基因组形式。目前尽管国际病毒分类委员会ICTV达成共识认为基于基因组的进化框架是构建通用病毒分类体系所必需的16,17,1819但目前尚无能够实现这一愿景的统一工具或平台。虽然有一些工具能够将新序列归入已知的分类群中但由于这些工具缺乏底层规则集或统计框架它们无法在需要时创建新的分类群。例如使用“特征基因”一组病毒共有的基因但在整个病毒界中并非普遍存在202122 或其翻译产物进行序列比对和分析以检测基因组范围内的共性基因内容VirClust23、基于模式的隐马尔可夫模型或蛋白质家族GRAViTy24、VPF-Class25、geNomad26或者基于基因组的信号例如VIRIDIC27、PASC28等工具。将层次聚类与核心蛋白质或基因标记检测相结合的最新研究方法提供了注释和接近参考的分类体系VirClust23、Cenote-Taker29但它们在可扩展性方面存在局限性并且无法创建新的分类单元。其中只有 geNomad 具有可扩展性因为它使用了庞大的标记基因数据集对于接近参考的基因组其在家族级别上的分配准确率已得到证实26但较低级别的分类单元则颇具挑战性而且它无法创建新的分类单元。迄今为止基因共享网络已被用于在序列空间中识别具有统计支持的“病毒簇”30VCs。这种方法具有可扩展性并能够创建可与 ICTV 分类体系相比较的新分类单元并且在双链 DNAdsDNA噬菌体以及单个等级属方面进行了广泛基准测试其能力已被正式化为工具vConTACT31、vConTACT232这些工具在对这些噬菌体进行详细分类以及大规模宏基因组研究中发挥了关键作用33。然而即使是 vConTACT2 也存在局限性这些局限性极大地阻碍了病毒的发现。我们先前开发的 vConTACT 和 vConTACT v.2.031、32简称 vConTACT2是基于共享基因内容生成的病毒分类群其分类结果大致符合属级别的分组情况且与主要属于尾状双链 DNA 腺病毒科现称作 Caudoviricetes以前称为 Caudovirales的属类病毒进行了对比验证。ClusterONE具有重叠邻域扩展的聚类算法相较于 vConTACT 在分类的敏感性和准确性方面有了显著提升这是因为该算法能够形成重叠的聚类并且作者还实现了网络和分类学置信度的分级机制。将 MCL35用于 vConTACT替换为 ClusterONE在 vConTACT2 中使用能够更好地区分异常基因组、重叠的病毒组以及混合属的异质性聚类。然而分类仅限于属级别因为定义了属级别的阈值而 15 级的正式化则较晚完成。代码https://bitbucket.org/MAVERICLab/vcontact3/src/master/参考Machine learning enables scalable and systematic hierarchical virus taxonomyhttps://bitbucket.org/MAVERICLab/vcontact3/src/master/