论文部分内容阅读
对病毒基因组的深入研究在许多方面都有很大帮助，特别是在治疗由病毒感染引起的人类疾病方面。随着病毒数据的快速积累，需要更加有效的基因识别方法来处理和挖掘这些数据。在本文中，我们提出了一个新的病毒基因预测和注释系统——Vgas，它结合了序列组成和序列相似性比对的方法，可以在基因组序列中自动查找病毒基因并实现基因功能注释。通过测试从Refseq下载的5705个病毒基因组，与现有的程序GeneMarkS，Prodigal和Glimmer做对比，Vgas证明了其优越性，具有最高的平均精确度和召回率（两个指数均比其他程序高1％以上），特别是对于基因组规模较小的病毒物种（≤10kb），它表现出显著的性能（精确度高6％，召回率高2％）。此外，Vgas提供了一个注释功能，用于根据BLASTp比对提供预测基因的功能信息，而且我们还根据这个信息找出了86个refseq数据库缺失的基因数据。另外，测试证明，当Vgas与GeneMarkS、Prodigal结合使用时，可以获得比三个单独程序中的每一个都更好的预测结果，使用这几种不同软件程序的协作预测将是基因预测的更好的方案。现在，Vgas可在http://cefg.uestc.cn/vgas/免费使用。然而Vgas在处理噬菌体数据和双链DNA病毒时效果较差，相比之下精准度和召回率都较低，考虑到这个局限性，我们又尝试使用深度学习方法进行病毒基因识别，本次试验应用了卷积神经网络，设计了共8层网络结构，在使用Uniprot构建的数据集上五重交叉验证进行测试，F值达到了98%，此模型深入研究有机会可以得到弥补当前Vgas不足的新系统。