CheckV

CheckV 通过将序列与完整病毒基因组的大型数据库进行比较来估计完整性，其中包括从公开可用的宏基因组、宏转录组和宏病毒组的系统搜索中确定的 76,262 个。在对模拟数据集进行验证并与现有方法进行比较后，我们将 CheckV 应用于宏基因组组装病毒序列的大量不同集合，包括 IMG/VR 和全球海洋病毒。这揭示了 44,652 高质量病毒基因组（即> 90% 完整）。

Running CheckV

 source  /TJPROJ1/META_ASS/soft/anaconda3/bin/activate /TJPROJ1/META_ASS/soft/CheckV

有两种方法可以运行CheckV：

使用单个命令来运行完整的流程（推荐）：

checkv end_to_end input_file.fna output_directory -t 16 -d /TJPROJ1/META_ASS/soft/CheckV/checkv-db-v1.5/

为流程中的每个步骤使用单独的命令：

checkv contamination input_file.fna output_directory -t 16
checkv completeness input_file.fna output_directory -t 16
checkv complete_genomes input_file.fna output_directory
checkv quality_summary input_file.fna output_directory

数据库安装

本次分析使用v1.5版本的流程进行分析

#可以采用下面的方法下载不同版本的数据库
wget https://portal.nersc.gov/CheckV/checkv-db-archived-version.tar.gz
tar -zxvf checkv-db-archived-version.tar.gz
cd /TJPROJ1/META_ASS/soft/CheckV/checkv-db/genome_db
diamond makedb --in checkv_reps.faa --db checkv_reps

也可以使用软件内置数据库更新脚本

checkv update_database /path/to/checkv-db /path/to/updated-checkv-db genomes.fna

软件工作方式

A：去除原病毒的宿主污染

根据与HMM的自定义数据库的比较，基因首先被注释为病毒或微生物
CheckV扫描contig（5'至3'），比较一对相邻基因窗口之间的基因注释和GC含量
这些信息用于计算每个基因间位置的分数，并识别宿主病毒断点
最适合以病毒为主的contigs

B：估计基因组的完整性

首先使用AAI（平均氨基酸身份）将蛋白质与CheckV基因组数据库进行比较
在确定热门点击量后，完整性计算为contig长度（或前病毒的病毒区域长度）和匹配参考长度之间的比率
置信水平是根据对齐强度报告的
一般来说，高置信度和中置信度估计相当准确
较少的情况是，您的病毒基因组可能与CheckV数据库不紧密匹配；在这些情况下，CheckV根据在contig上识别的病毒HMM估计完整性
根据发现的HMM，CheckV返回基因组完整性的估计范围（例如35%至60%的完整性），这代表了基于具有相同病毒HMM的参考基因组长度分布的90%置信区间

C：预测封闭基因组

直接终端重复（DTRs）
连续开始/结束时>20-bp的重复序列
在我们的经验中，最值得信赖的签名
可能表明从圆形模板（即共聚体）复制的圆形基因组或线性基因组
原病毒
预测宿主边界在5'和3'末端的病毒区域（见面板A）
注意：如果主机区域已被删除（例如使用VIBRANT或VirSorter），CheckV将不会检测到病毒
倒置终端重复（ITRs）
在contig开始/结束时>20-bp的重复序列（3'重复反转）
最不信任的签名
对于上述所有方法，CheckV还根据估计的完整性检查contig是否大约是正确的序列长度；这很重要，因为终端重复可以代表元基因组组装的伪影

D：总结质量

根据A-C的结果，CheckV生成一个报告文件，并将查询contigs分配给五个质量层之一（与MIUViG质量层一致并扩展）：
完成（见面板C）
高质量（>90%的完整性）
中等质量（50-90%的完整性）
低质量（<50%的完整性）
不确定的质量

关于输出结果的说明参见官网：

官网路径：https://pypi.org/project/checkv/
脚本路径：/TJPROJ1/META_ASS/soft/CheckV

目录