DeepBGC 开源项目使用教程

1. 项目介绍

DeepBGC 是一个用于检测和分类细菌和真菌基因组中生物合成基因簇（BGCs）的开源工具。它利用深度学习技术，特别是双向长短期记忆循环神经网络（Bidirectional Long Short-Term Memory Recurrent Neural Network），来识别和分类这些基因簇。DeepBGC 通过将 Pfam 蛋白质域嵌入到类似 word2vec 的向量中，并使用随机森林分类器来预测检测到的 BGCs 的产品类别和活性。

2. 项目快速启动

2.1 安装 DeepBGC

推荐使用 Conda 进行安装：

# 设置 Bioconda 和 Conda-Forge 频道
conda config --add channels bioconda
conda config --add channels conda-forge

# 创建一个独立的 DeepBGC 环境并安装依赖
conda create -n deepbgc python=3.7 hmmer prodigal

# 激活环境
conda activate deepbgc

# 使用 pip 安装 DeepBGC
pip install deepbgc

2.2 下载模型和 Pfam 数据库

在开始使用 DeepBGC 之前，需要下载训练好的模型和 Pfam 数据库：

deepbgc download

2.3 检测和分类 BGCs

使用以下命令检测和分类基因组序列中的 BGCs：

# 显示命令帮助文档
deepbgc pipeline --help

# 使用 DeepBGC 检测器检测和分类 BGCs
deepbgc pipeline mySequence.fa

3. 应用案例和最佳实践

3.1 案例：检测和分类细菌基因组中的 BGCs

假设你有一个细菌基因组序列文件 bacteria_genome.fa，你可以使用 DeepBGC 来检测和分类其中的 BGCs：

deepbgc pipeline bacteria_genome.fa

3.2 最佳实践：使用自定义模型

如果你有特定的训练数据，可以训练自己的检测器和分类器模型：

# 训练自定义检测器
deepbgc train --detector path/to/myDetector.pkl

# 使用自定义检测器和分类器
deepbgc pipeline mySequence.fa --detector path/to/myDetector.pkl --classifier path/to/myClassifier.pkl

4. 典型生态项目

4.1 antiSMASH

antiSMASH 是一个用于分析和可视化生物合成基因簇的工具。DeepBGC 的预测结果可以上传到 antiSMASH 进行进一步的可视化和分析。

4.2 Pfam

Pfam 是一个蛋白质家族数据库，DeepBGC 使用 Pfam 数据库中的蛋白质域信息来识别和分类 BGCs。

4.3 HMMER 和 Prodigal

HMMER 和 Prodigal 是 DeepBGC 依赖的两个工具，分别用于蛋白质域的检测和基因预测。

通过这些生态项目的结合使用，可以更全面地分析和理解生物合成基因簇的功能和结构。