PlasFlow安装及使用教程——高效区分质粒和染色体

看不见的线
1196
2023-12-14 08:48:43
原创

PlasFlow是一种基于基因组特征进行分析的新型工具，基于TensorFlow框架的深度人工神经网络（deep artificial neural network）开发，用以区分质粒和染色体序列。PlasFlow可以从组装的宏基因组中恢复质粒序列，而无需事先了解样品的分类或功能组成，准确度高达96%。它还可以恢复环状和线性质粒的序列，并可以对序列进行初步分类。

PlasFlow的安装

conda安装（推荐使用）

1、添加bioconda频道安装Biostrings包

conda config --add channels bioconda

conda config --add channels conda-forge

2、创建名为plasflow的conda环境（避免依赖关系冲突）

conda create --name plasflow python=3.5 -y

由于 TensorFlow要求，需要 Python 3.5

3、激活创建的环境

conda activate plasflow

4、安装plasflow和依赖

conda install -c jjhelmus tensorflow=0.10.0rc0 -y

conda install -c smaegol plasflow -y

PlasFlow的使用

1、序列过滤（过滤后的fasta文件可以直接用于PlasFlow预测）

在调用 PlasFlow之前，强烈建议按长度过滤序列，只留下长度超过 1000 bp的序列。PlasFlow与其他基于 kmer的方法类似，在短序列上表现不佳，因为很难从中获得适当的 kmer覆盖。因此，短序列的结果是不可靠的。由于宏基因组组件通常包含大量短重叠群，因此额外的过滤测试可以改善结果并加速 PlasFlow。

filter_sequences_by_length.pl -input input_dataset.fasta -output filtered_output.fasta -thresh sequence_length_threshold

-input 指定输入 fasta文件，其中包含要分类的程序集重叠群

--output 过滤后的 fasta文件

--thresh 序列长度阈值

2、运行

建库结束后就可以开始diamond的运行了，最基本的使用方法：

PlasFlow.py --input Citrobacter_freundii_strain_CAV1321_scaffolds.fasta --output test.plasflow_predictions.tsv --threshold 0.7

-input 指定输入 fasta文件，其中包含要分类的程序集重叠群 [必需]

--output 带有分类表格输出的 TSV文件的名称 [必需]

--threshold 手动指定概率过滤阈值（默认值 = 0.7）

输出结果介绍：

表格文件

contig_id	是用于分类的序列的内部 id
contig_name	是分类中使用的重叠群名称
contig_length	显示分类序列的长度
id	是生成的标签（分类）的内部 id
label	是实际的分类
...	附加列，显示分配给每个可能类别的概率。如果分配给给定类的概率低于阈值（默认值 = 0.7），则该序列被视为未分类。此外，PlasFlow会生成包含输入序列的 fasta文件，这些输入序列已binning到质粒、染色体和未分类中。

此外，PlasFlow还生成 fasta文件，其中包含分箱到质粒、染色体和未分类的输入序列。

参考文献：

Krawczyk PS, Lipinski L, Dziembowski A. Nucleic Acids Res. 2018 Apr 6;46(6):e35. doi: 10.1093/nar/gkx1321.

https://github.com/smaegol/PlasFlow#getting-started

推荐课程

【课程】微生物比较基因组精品系列课——全套自学必入的系统课程

课程链接：微生物比较基因组精品系列课【全套】

【课程】微生物比较基因组与群体进化——基因组变异专题研究

课程链接：微生物比较基因组与群体进化

【课程】微生物分子分型-MLST课程——分型全套（含理论、软件、方法）

课程链接：微生物分子分型-MLST课程

【课程】基因组结构分析神器Easyfig实操精品课