細菌ゲノムに組み込まれたプロファージ領域を見つける PhageBoost

2024/02/29 コマンド修正

　プロファージは細菌ゲノムに組み込まれたファージであり、細菌生物学の多くの側面を理解する鍵となる。プロファージは非常に多様であるため、配列の類似性を利用して検出することは困難である。本著者らは、新規プロファージの発見を容易にするために、特徴空間に基づいた、高速で汎化可能な新しい機械学習法を提案する。このアプローチを検証するために、公開されているmarine viromesとシングルセルゲノムを特徴ベースのアプローチで再分析したところ、現在の最先端のツールで検出されたファージよりも常に多くのファージが検出され、しかも著しく高速であった。このことは、本アプローチがバクテリオファージの発見を大幅に向上させ、新しいバイオロジーを探求するための新たな出発点となることを示している。

インストール

非公式docker imageをpullして試した。

（condaで導入できるが、インストールに失敗した（ubunutu20.04 LTS）。発表から時間が立っているため、要求されているpython3とbiopythonのライブラリと、anacondaが管理しているpython3とbiopythonのバージョンが一致せずインストールできなかったのかもしれない。）

Github

#PyPI
mamba create -y -n PhageBoost-env python=3.8 
conda activate PhageBoost-env
pip install PhageBoost 
PhageBoost -h

#docker（おそらく非公式）
docker pull multifractal/phageboost
#run image
cd <fasta_dir>/
docker run -itv $PWD:/data --rm -w /data multifractal/phageboost:v0.1.3

> PhageBoost -h

# PhageBoost -h

usage: %prog [options] file (or - for stdin)

[-h] [-f FILES [FILES ...]] [-o OUTPUT] [-m MODEL] [-j N_JOBS] [-cs MIN_SIZE_OF_CONTIG] [-t THRESHOLD] [-l LENGTH] [-g GAPS] [-n NEIGHBOURING] [-r LOOK_FOR_REPEAT_FLAG] [-sr SEARCH_REGION]

[-i INWARDS] [-att ATTSIZE] [-meta META] [-a ALPHA] [-v]

optional arguments:

-h, --help show this help message and exit

-f FILES [FILES ...], --file FILES [FILES ...]

-o OUTPUT, --output OUTPUT

-m MODEL, --model MODEL

-j N_JOBS, --threads N_JOBS

-cs MIN_SIZE_OF_CONTIG, --mincontigsize MIN_SIZE_OF_CONTIG

-t THRESHOLD, --threshold THRESHOLD

-l LENGTH, --length LENGTH

-g GAPS, --gaps GAPS

-n NEIGHBOURING, --neighbouring NEIGHBOURING

-r LOOK_FOR_REPEAT_FLAG, --look_for_repeats LOOK_FOR_REPEAT_FLAG

-sr SEARCH_REGION, --search-region SEARCH_REGION

-i INWARDS, --inwards INWARDS

-att ATTSIZE, --att-size ATTSIZE

-meta META, --meta META

-a ALPHA, --alpha ALPHA

-v, --version show program's version number and exit

Example of usage:

PhageBoost -f example/data/NC_000907.fasta.gz -o results

テストラン

git clone https://github.com/ku-cbd/PhageBoost.git
cd PhageBoost/
PhageBoost -f example/data/NC_000907.fasta.gz -o results

-f FILES
-o OUTPUT

出力例

プロファージと予想された領域ごとにfastaファイルとして出力される。また、全てのポジションを示したGFF3ファイルも得られる。

引用

Rapid discovery of novel prophages using biological feature engineering and machine learning
Kimmo Sirén, Andrew Millard, Bent Petersen, M Thomas P Gilbert, Martha R J Clokie, Thomas Sicheritz-Pontén
NAR Genomics and Bioinformatics, Volume 3, Issue 1, March 2021