PhaGCN2是一个基于GCN的模型，它可以通过深度学习分类器学习物种屏蔽特征，用于新的病毒分类。要使用PhaGCN2，只需要将contigs输入到程序中。

在你每次使用它之前，你需要运行的是

source /TJPROJ1/META_ASS/soft/anaconda3/bin/activate /TJPROJ1/META_ASS/soft/PhaGCN2.0-main
export MKL_SERVICE_FORCE_INTEL=1

在这里，我们举了一个例子来展示如何运行PhaGCN2。我们支持Github文件夹中一个名为“contigs.fa”的文件，其中包含从大体大体噬菌体模拟的contigs。你唯一需要运行的命令是

python run_Speed_up.py --contigs contigs.fa --len 8000 --outpath result

程序有两个参数：

• –contigs是您的contigs文件的路径。
• –len是你想预测的contigs的长度。正如我们的论文所示，随着contigs的长度的增加，召回和精度也会增加。我们建议您根据您的需求选择合适的长度。默认长度为8000bp。支持的最短长度为1700bp。输出文件是final_prediction.csv。这个csv文件中有三列：“contig_name，median_file_name，prection”。

如果您想训练自己的病毒分类数据库，请按照以下步骤操作。

pip install bio
pip install torch
sudo apt install prodigal
cd CHEER
sh creat.sh

 bash code/re_train_script.sh

• 训练你的数据集CNN模型

python3 train.py --n 8 --gpus 1 --weight "1,1,1,1,1,1,1,1"

–n是您的家族数量，–weight是权重系数，重量中的数字等于n的数量，–gpu是您拥有的Gpus数量，这将生成两个文件Embed.pkl和Params.pkl，替换CNN_Classifier文件夹中同名的两个文件。它需要大约250GB的内存（数据集越大，所需的内存就越多）。

python3 deal_all_pre.py

• 请修改您的数据集，直到没有报告标签错误（标签应包含至少一个空格）。获取TXT文本中的序号和相应的姓氏，并命名为taxa.txt（用制表符分隔），然后将其放入CHEER文件夹中。运行：

python3 deal_result.py

• 它生成一个结果文件夹，在此文件夹中，将Code.txt的第一行替换为PhaGCN正文中run_GCN.py的第159行，第二行替换为run_Knowledgegraph.py的第643行，其他五个文件替换了数据库文件夹中的五个文件中的每个文件。3.第三步：将run_CNN.py第76行的默认n更改为第二步中的–n数字，将all_simple_pre.fasta复制到您的PhaGCN文件夹并运行（）：

python3 pre_train.py --contig all_simple_pre.fasta --len 1700

• 运行后，将Cyber_data文件夹中的contig.F重命名为dataset_compressF，并将文件替换为数据库文件夹中的相同名称。

（示例见CHEER/train_example文件夹）

1. 确保你所有的contigs都是病毒contigs。您可以使用VirSorter或DeepVirFinder来清除细菌
2. 脚本将传递带有非ACGT字符的contigs，这意味着这些非ACGT contigs将保持不可预测。
3. 如果程序输出错误（由您的机器引起）：错误：mkl-service + Intel(R) MKL：MKL_THREADING_LAYER=INTEL与libgomp.so.1库不兼容。您可以在运行run_Speed_up.py之前输入命令export MKL_SERVICE_FORCE_INTEL=1
4. 如果您想训练自己的病毒分类数据库，硬件要求可能相当可观（超过48 GB，至少一个GPU），这主要取决于数据集的大小和复杂性。（内存需求和即将分析的序列之间的关系）

• 普通列表项目官方地址：https://github.com/KennthShang/PhaGCN2.0
• 测试脚本：/TJPROJ1/META_ASS/soft/PhaGCN2.0-main/w.sh
• 测试结果路径：/TJPROJ1/META_ASS/soft/PhaGCN2.0-main/result/