蛋白质同源组分配的深度学习工具
deepnog的Python项目详细描述
DeepNOG：蛋白质同源组分配
将蛋白质分配到具有深网络的cpu或gpu上的同源基团（eggnog5）。 DeepNOG比基于对齐的方法快得多， 同时要像HMMER一样准确。在
deepnog命令行工具是用python3.7+编写的。在
安装指南
安装DeepNOG最简单的方法是从PyPI获得：
pip install deepnog
或者，您可以克隆或下载最新版本 从GitHub运行
^{pr2}$如果您计划将DeepNOG扩展为开发人员，请运行
pip install -e /path/to/DeepNOG
相反。在
deepnog也可以从bioconda安装，如下所示：
conda config --add channels pytorch conda install pytorch deepnog
使用
DeepNOG可以通过调用上面安装的deepnog来使用
带有蛋白质序列文件（FASTA）的命令。在
示例用法：
deepnog infer proteins.faa- 预测的蛋白质组蛋白质.faa将写入控制台。 默认情况下，使用eggNOG5细菌水平。在
deepnog infer proteins.faa --out prediction.csv- 写入预测.csv取而代之的是
deepnog infer proteins.faa -db eggNOG5 -t 1236 -V 3 -c 0.99- 预测蛋奶5-γ蛋白原细菌群（税1236）
- 丢弃低于99%置信度的个别预测
- 显示详细进度报告（-V 3）
deepnog train train.fa val.fa train.csv val.csv -a deepnog -e 15 --shuffle -r 123 -db eggNOG5 -t 3 -o /path/to/outdir- 为蛋奶酒5的（假设的）3级税率训练一个模型 可重复结果的随机种子。在
OG预测的各个模型不存储在GitHub或PyPI上，
因为它们超过了文件大小限制（最多200米）。
^{cd1>自动下载并放入模型中
缓存目录（默认值~/deepnog_data/）。您可以更改此目录
通过设置DEEPNOG_DATA环境变量。在
有关帮助和高级选项，请致电deepnog --help，
和deepnog infer --help或deepnog train --help指定选项
分别用于推理或训练。
另请参见user & developer guide。在
支持的文件格式
首选：法斯塔（生的或生的）
DeepNOG支持以中列出的所有文件格式存储的蛋白质序列 https://biopython.org/wiki/SeqIO但测试了FASTA文件格式 只有。在
当前支持的数据库
- 蛋奶酒5.0，分类级别1（根级）
- 蛋奶酒5.0，分类级别2（细菌级别）
- 蛋奶酒5.0，分类学水平1236（Gammaproteobacteria）
- （对于其他级别，请在Github上创建一个问题，或者自己训练一个模型——v1.2中的新特性）
当前支持的深层网络体系结构
- DeepNOG公司
- DeepFamD（目前无可用）
所需软件包（和最低版本）
- Pythorch 1.2.0版
- 数字1.16.4
- 熊猫0.25.1
- scikit学习
- 张力板
- 生物圈1.74
- 皮亚姆
- 全面质量管理4.35.0
- pytest 5.1.2（仅用于测试）
另请参见requirements/*.txt，以获取特定于平台的建议
（有时，由于平台特定，可能需要特定的版本
deepnog需求中的缺陷）
致谢
本研究得到奥地利科学基金资助：P27703，P31988； 通过英伟达公司的GPU项目。在
引文
一篇研究文章目前正在审查中。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
