PhaVIP：基于混沌游戏表示与 Vision Transformer 的噬菌体病毒体蛋白分类

动机：作为主要感染细菌的病毒，噬菌体是广泛生态系统中关键的参与者。分析噬菌体蛋白对于理解噬菌体在微生物组中的功能和作用不可或缺。高通量测序使我们能够以低成本获取不同微生物组中的噬菌体。然而，相较于新鉴定噬菌体的快速积累，噬菌体蛋白分类仍然困难。特别是，一个基本需求是注释病毒体蛋白（virion proteins），即主要尾丝、基板等结构蛋白。尽管存在用于病毒体蛋白鉴定的实验方法，但它们过于昂贵或耗时，导致大量蛋白未被分类。因此，极需开发一种计算方法来快速准确地进行噬菌体病毒体蛋白分类。结果：本工作中，我们调整了最先进的图像分类模型 Vision Transformer 来进行病毒体蛋白分类。通过使用混沌游戏表示（chaos game representation）将蛋白序列编码为独特图像，我们可以利用 Vision Transformer 从序列“图像”中学习局部和全局特征。我们的方法 PhaVIP 有两个主要功能：分类 PVP 与非 PVP 序列，以及注释 PVP 的类型（如衣壳和尾丝）。我们在多个难度递增的数据集上测试了 PhaVIP，并与替代工具进行了基准比较。实验结果表明 PhaVIP 具有优越性能。在验证 PhaVIP 性能后，我们研究了两个可利用 PhaVIP 输出的应用：噬菌体分类学分类和噬菌体宿主预测。结果表明使用已分类蛋白而非所有蛋白的益处。