相关工具

噬菌体病毒蛋白（phage viral proteins，PVPs）在噬菌体与其细菌宿主的相互作用中扮演关键角色。准确识别PVPs对理解病毒-宿主动态和开发新型抗菌策略至关重要。多年来，研究者提出了多种PVP预测与分类的计算方法，每种方法均贡献了独特的创新与方法。

1. PVP-SVM

基于支持向量机（support vector machine-based，SVM）的PVP识别工具，采用精选的136维特征描述符集和特征选择协议。在留一法交叉验证中表现出高准确率，优于使用完整特征训练的SVM模型。

2. PVPred-SCM

提出一种简洁高效的打分卡方法（simpler yet effective scoring card method，SCM），通过结合二肽组成与评分函数计算PVP倾向性分数。

3. PhANNs

基于机器学习的工具，将噬菌体开放阅读框（open reading frames，ORFs）分类为结构蛋白或"其他"类别。测试准确率高，为噬菌体蛋白功能注释提供可靠平台。

4. Meta-iPVP

首个PVP预测的元学习方法，整合四种机器学习算法对七类特征编码的概率信息，经遗传算法筛选后输入SVM模型。

5. VirionFinder

通过生化属性编码蛋白序列并应用深度学习，显著提升对原核病毒颗粒蛋白（完整/部分序列）的敏感性。

6. DeePVP

基于深度学习的工具，使用独热编码（one-hot）和卷积神经网络（convolutional neural networks，CNN），可区分PVP/非PVP并细分为10个功能类别。

7. PhaVIP

创新性地将混沌游戏表示（chaos game representation，CGR）与视觉转换器模型（vision transformer models，ViT）结合，将蛋白序列编码为图像以学习局部/全局特征。在PVP分类与注释中表现卓越。

尽管上述方法各有优势，但仍存在明显局限。如独热编码（如DeePVP）易导致高维稀疏矩阵，引发"维度灾难"；生化特征编码（如VirionFinder）难以全面捕捉序列信息，限制特征提取能力。

ProtPhage概览

该流程（ProtPhage）旨在识别噬菌体基因组中的病毒蛋白（PVPs）。其核心步骤为：1.序列翻译：使用工具（如Prodigal/GeneMark）识别基因组中的开放阅读框（ORF），并将其翻译成蛋白质序列。2. 特征提取：创新性地使用预训练的蛋白质语言模型ProtT5处理蛋白质序列。3. 分类与注释：使用多分类神经网络对特征向量进行分类，预测蛋白质是否为PVP及其具体功能类别（如次要衣壳蛋白），并提供功能注释。

基于序列相似性划分的基准数据集性能评估

现有PVP识别工具通常依赖序列相似性进行预测，但此类方法难以准确预测高度差异化的蛋白质。为评估模型在不同序列差异水平下的性能，本研究采用序列一致性（Identity）与覆盖度（Coverage）的乘积作为相似性指标，以控制训练集与测试集间的最大相似性。基于该指标，本研究生成了六组不同序列相似度的数据集（含二分类与多分类任务），并评估各方法性能。结果显示，ProtPhage在二分类/多分类任务中，于所有相似度水平的基准数据集上均保持最佳性能（F1分数最高）；其性能波动极小，展现极强的稳定性。低相似度场景：ProtPhage与其他方法的性能差距随相似度降低显著扩大，证明其能有效捕捉传统方法无法识别的深层功能同源性（如保守结构域）；特征对比实验：ProtT5嵌入（F1=0.9811）完胜传统特征（BLOSUM64:0.8669, 理化特征:0.6721），凸显蛋白质语言模型对复杂生物模式的解析能力。该实验证实：基于蛋白质语言模型（ProtT5）的嵌入表示是突破序列相似性局限的关键，为高变异蛋白的功能预测提供了新范式。

基于分类蛋白的噬菌体宿主预测应用

近年来，抗生素耐药病原体的快速涌现使噬菌体疗法成为对抗"超级细菌"的理想替代方案。因此，准确识别噬菌体的宿主对利用噬菌体治疗细菌感染至关重要。此项研究聚焦两种常见病原体：大肠杆菌（Escherichia coli）和铜绿假单胞菌（Pseudomonas aeruginosa）。研究者选取4种典型噬菌体全基因组数据：感染大肠杆菌：肠杆菌噬菌体P4、肠杆菌噬菌体BA14。感染铜绿假单胞菌：假单胞菌噬菌体H70、假单胞菌噬菌体vB_PaeS_PAO1_Ab30。首先，使用Prodigal工具将基因组翻译为蛋白质序列。其次，应用ProtPhage预测PVP与非PVP，并对PVP进行功能注释。随后，根据Boeckaerts方法，筛选出注释为尾丝蛋白（tail fibers）的PVP。最后，将尾丝蛋白输入Boeckaerts宿主预测模型。结果显示，该流程精准识别尾丝蛋白后，宿主预测准确率达100%。

结论

整体而言，ProtPhage代表了计算噬菌体蛋白分析领域的重大突破，为噬菌体疗法开发、抗生素耐药性缓解及基础病毒学研究提供了强大工具。ProtPhage凭借ProtT5语言模型与非对称损失函数的创新融合，在PVP识别性能上实现全方位突破。随着噬菌体基因组数据量的持续增长，作者预期ProtPhage将在深化噬菌体生物学认知和加速新型抗菌剂发现中发挥关键作用。

参考文献：

1. Ou Y, Chen Q, Zhong N, Du Z. ProtPhage: a deep learning framework for phage viral protein identification and functional annotation. Brief Bioinform. 2025 May 1;26(3):bbaf285. doi: 10.1093/bib/bbaf285. PMID: 40515393; PMCID: PMC12165830.