巨型病毒识别工具——GiantHunter教程

Hello，Hello小伙伴们大家好，好久没有给大家更新微信公众文了，最近小编在搭建宏病毒组相关流程，宏病毒和宏基因最大的区别在于，在组装的fasta序列中识别病毒序列。今天小编要给大家介绍一款从宏基因组中识别巨病毒序列的工具——GiantHunter，这款工具由香港城市大学孙燕妮课题组的博士生商家煜开发，专为解决宏基因组中巨病毒识别难题而设计，非常值得推荐！

巨型病毒属于双链DNA病毒的一部分，被统称为核质大DNA病毒（Nucleocytoplasmic Large DNA Viruses, NCLDVs），系统分类上归入病毒门 Nucleocytoviricota。该门病毒具有高度的宿主多样性，可感染从最小的单细胞真核生物（如领鞭毛虫）到多细胞动物在内的多种真核宿主。NCLDVs 的复制通常在宿主细胞质中构建的“病毒工厂”中进行，部分成员也可利用宿主细胞核进行复制和子代组装。

NCLDVs 的一个显著特征是其粒子尺寸和基因组大小的高度扩展性：基因组范围从约 70 kb 到超过 2.5 Mb 不等，病毒粒子长度可达 2 μm，是目前所知最大尺寸的病毒粒子之一。术语“巨型病毒”（Giant Virus）最早可追溯至20世纪90年代，用于描述感染藻类、具有异常大基因组的病毒。

软件原理

Github：

https://github.com/FuchuanQu/GiantHunter

数据库：

https://github.com/FuchuanQu/GiantHunter/releases/download/v2.0/gianthunter_db_v1.zip

软件安装

# 从Github下载源码
git clone https://github.com/FuchuanQu/GiantHunter.git
# 进入目录
cd GiantHunter/
# 使用conda从创建虚拟环境
conda env create -f GiantHunter.yaml -n GiantHunter
# 激活环境
conda activate GiantHunter
# 安装GiantHunter，GiantHunter本质是一个python模块，可以使用pip安装
pip install . 
# 检查是否安装成功
gianthunter -h
# 下载数据库并解压
wget -c -nv https://github.com/FuchuanQu/GiantHunter/releases/download/v2.0/gianthunter_db_v1.zip
unzip gianthunter_db_v1.zip

注：

1.小编的安装方法和作者在Github上提及的方法有所不同，因为小编习惯将每个软件单独创建一个虚拟conda环境。作者在Github上提及到的方法将GiantHunter和PhaBOX 2安装在一起，因为这两个软件都是一个团队开发的，两款软件依赖的软件相同；

2.如果小伙伴们在运行GiantHunter中缺少相关的python模块，可使用pip进行安装;

3.如果数据下载太慢，小伙伴们可以使用浏览器下载数据库，然后传到服务器上，此外一些小伙伴无法科学上网，作者也将数据库传到百度网盘上，小伙伴也可以通过百度网盘进行下载，百度网盘下载如下：

https://pan.baidu.com/s/1YJBaXA0OmvUfXEK8QEnkDg
pwd:jrif

软件使用方法

# 查看软件帮助
gianthunter -h 
usage: gianthunter [-h] [--contigs CONTIGS] [--proteins PROTEINS] [--len LEN] [--threads THREADS] [-d DBDIR] [--midfolder MIDFOLDER] [-o OUTPTH] [--reject REJECT] [--query_cover QUERY_COVER]
GiantHunter is a python library for identifying NCLDVs from metagenomic data. GiantHunter is based on a Transorfer model and relies on protein-based vocabulary to convert DNA sequences into sentences.
optional arguments:
  -h, --help            show this help message and exit
  --contigs CONTIGS     FASTA file of contigs
  --proteins PROTEINS   FASTA file of predicted proteins (optional)
  --len LEN             minimum length of contigs
  --threads THREADS     number of threads to use
  -d DBDIR, --dbdir DBDIR
                        database directory (optional)
  --midfolder MIDFOLDER
                        folder to store the intermediate files
  -o OUTPTH, --outpth OUTPTH
                        name of the output folder
  --reject REJECT       threshold to reject contigs with a small fraction of proteins aligned.
  --query_cover QUERY_COVER
                        The QC value set for DIAMOND BLASTP, setting to 0 means no query-cover constrain.

常用参数解读：

实战演练

gianthunter  --contigs NCBI.Virus.fna --len 2000 --threads 16 --query_cover 40 --dbdir db --out GiantHunter

示例数据来源：小编在NCBI virus：https://www.ncbi.nlm.nih.gov/labs/virus/vssi/#/随机选取一些巨型病毒和噬菌体序列作为模拟数据，模拟数据获取方法，关注公众号，后台回复后台回复关键字【GiantHunter】 （不含中括号哟），建议粘贴复制，避免出错。

结果文件说明

1.结果目录

结果解读：

• gianthunter_prediction.tsv————记录了每个 contig 的预测得分和判定结果
• all_predicted_protein.fa——使用prodigal-gv预测出来的蛋白质序列
• gene_annotation.tsv——蛋白质功能注释结果

2. gianthunter_prediction文件内容如下图所示

• Accession：Contig编号；
• Length：Contig长度（碱基数）；
• GiantVirus：是否属于巨病毒，"GiantVirus"或"Non-GiantVirus"；
• PotentialLineage：巨病毒物种注释信息;
• Score：置信度评分或分类可信度，范围 0-1。

参考文献

• La Scola B, Audic S, Robert C. et el. A giant virus in amoebae. Science. 2003 Mar 28;299(5615):2033. doi: 10.1126/science.1081867.
• Philippe N, Legendre M, Doutre G .et el. Pandoraviruses: amoeba viruses with genomes up to 2.5 Mb reaching that of parasitic eukaryotes. Science. 2013 Jul 19;341(6143):281-6. doi: 10.1126/science.1239181. Erratum in: Science. 2013 Sep 27;341(6153):1452.
• Schulz F, Abergel C, Woyke T. Giant virus biology and diversity in the era of genome-resolved metagenomics. Nat Rev Microbiol. 2022 Dec;20(12):721-736. doi: 10.1038/s41579-022-00754-5. Epub 2022 Jul 28.
• Qu F, Peng C, Guan J, Wang D, Sun Y, Shang J. GiantHunter: Accurate detection of giant virus in metagenomic data using reinforcement-learning and Monte Carlo tree search. arXiv preprint arXiv:2501.15472. 2025 Jan 26.