宏基因组中的病毒组分析（2）checkV评估病毒基因组的质量

最新推荐文章于 2025-05-25 07:53:52 发布

原创

最新推荐文章于 2025-05-25 07:53:52 发布 · 1.9k 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#python #conda

得到病毒contig后（具体方法查看以往文章，宏基因组中的病毒组分析（1）病毒序列的鉴定geNomad-CSDN博客）使用 CheckV 进一步处理预测的病毒序列，以评估病毒基因组的质量。

1、工作原理

CheckV 是一个完全自动化的命令行工具，主要用于评估单重叠群（contig）病毒基因组的质量，包括识别整合原病毒中的宿主污染、估计基因组片段的完整性以及识别封闭基因组。其工作原理可以概括为以下几个主要步骤：

去除宿主污染：
- CheckV 首先通过与自定义的隐马尔可夫模型（HMM）数据库进行比较，将基因注释为病毒或细菌。
- 接着，它扫描重叠群（从5'到3'），比较相邻开放阅读框（ORF）之间的基因注释和GC含量，以计算每个基因间位置的分数，并识别宿主-病毒断点。
- 通过高分（>1.2）和特定基因数量（如宿主区域中至少2个宿主特异性基因，病毒区域中至少2个病毒特异性基因）来判定并去除宿主污染。
估计基因组完整性：
- CheckV 使用两种算法来估计基因组的完整性：基于平均氨基酸同一性（AAI）的方法和基于HMM的方法。
- AAI 方法通过将蛋白质与CheckV基因组数据库中的参考基因组进行比较，计算重叠群长度与匹配的参考基因组长度之间的比率来估计完整性。
- HMM 方法则识别重叠群上的病毒HMM，并与共享相同HMM的参考基因组长度进行比较，给出完整性的估计范围。
预测封闭基因组：
- CheckV 通过识别直接末端重复（DTR）、原噬菌体（原病毒）边界和反向末端重复（ITR）等特征来预测封闭基因组。
- 这些特征如DTR（在contig的开始/结束处重复序列>20-bp）和ITR（在contig的起始/末端重复>20-bp的序列，但3'重复被倒置）用于确认环状或线性基因组的完整性。
总结质量：
- 根据上述步骤的结果，CheckV 生成报告文件，并将查询重叠群分配到五个质量层之一（如完整、高质量、中等质量、低质量和质量未定）。
<