基准测试生物信息病毒识别工具使用现实世界的生物组中的元基因组数据
Ling-Yi Wu1, Yasas Wijesekara2, Gonçalo J Piedade3,4
1Theoretical Biology and Bioinformatics, Science4Life, Utrecht University, Padualaan 8, Utrecht, 3584 CH, The Netherlands.
Genome biology
|April 15, 2024
概括
选择适合转基因组数据的病毒识别工具是复杂的. 这项研究对9种工具进行了基准测试,发现PPR-Meta是最有效的,并建议调整参数以更好地发现病毒.
科学领域:
- 病毒学 病毒学
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 转基因组学是发现未培养病毒的主要方法.
- 在元基因组数据中识别病毒是具有挑战性的,因为有许多可用的工具.
- 缺乏独立的基准测试阻碍了工具,参数和切断界限的选择.
研究的目的:
- 独立比较最先进的病毒识别工具.
- 为选择用于病毒发现的生物信息学工具提供客观指导.
- 为病毒学研究中的参数调整提供建议.
主要方法:
- 在13种模式中对9种病毒识别工具的性能进行比较.
- 利用了来自三个生物体的八个配对的病毒和微生物数据集,包括南极海岸水域.
- 基于真正阳性和假阳性率的评估工具.
主要成果:
- 工具表现出高度可变的性能,真正阳性率从0-97%,虚假阳性率从0-30%.
- 在区分病毒和微生物结合物方面,PPR-Meta表现出卓越的性能,其次是DeepVirFinder,VirSorter2和VIBRANT.
- 大多数工具都识别了独特的病毒结合体,并且通过调整参数切断,性能得到了改善.
结论:
- 独立的基准测试有助于研究人员选择适当的生物信息学工具来识别病毒.
- 建议调整参数切断值以提高工具性能.
- 这项研究为病毒学研究人员提供了明智的选择.


