本文由阿童木根据实践经验而整理,希望对大家有帮助。 原创微文,欢迎转发转载。 宏基因组分箱(Binning)是将宏基因组测序得到的混合了不同生物的序列或序列组装得到的contigs按物种分开归类的过程,类似下图(图0)。传统的单物种全基因组序列都是经纯培养之后,再进行全基因组de novo测序才获得的,但是环境中存在着大量的不可培养微生物,宏基因组分箱技术有助于获得不可培养微生物的全基因组序列,获得新物种的基因组序列和功能,预测未知物种的培养方法等等。 【图0】 一、分箱工具盘点 早在2011年,science上的一篇文章就用了宏基因组Binning技术对来自牛瘤胃的样本进行了宏基因组测序研究。该研究从268 Gbp的宏基因数据中成功Binning出了15个不能培养的微生物的全基因组序列(可见分箱对数据量要求很大)。从那以后,宏基因组Binning技术开始被更多的人关注和重视,也逐渐出现了很多宏基因组Binning工具。查了一些文献和资料,我罗列了一下近几年的分箱工具,引用量仅供参考(google学术,2019.8.29)。 【表1】 二、分箱工具比较 2017年Nature Methods上一篇文章对宏基因组数据处理各个过程中的软件进行了评估[ Critical Assessment of Metagenome Interpretation-a benchmark of metagenomics software ]。从文章的分析结果来看,不同的方法各有优缺(下图),MaxBin2可能是相对较好的一个分箱软件。 比较结果: 【图1】 加利福利亚大学在通过整合多个算法设计出了新的Binning软件DAS tool并在2018年发表在Nature Microbiology上 [ Recovery of genomes from metagenomes via a dereplication, aggregation and scoring strategy ]。集合了多个算法的DAS tool各项Binning指数要明显优于CONCOCT,MaxBin 2,MetaBAT等方法,比较分析结果如下: 比较结果: 对模拟微生物群落进行基因组重建分析 【图2】 对不同样本来源的宏基因组数据进行分箱完成度分析 【图3】 同年,Microbiome上发表了另一个整合了多个工具的分箱分析流程MetaWRAP [MetaWRAP—a flexible pipeline for genome-resolved metagenomic data analysis. Microbiome]。 MetaWRAP流程不仅纳入了最流行的MetaBAT、CONCOCT和MaxBin2分箱方法,还整合了质控、拼接、分箱、提炼、评估、注释等多种功能。MetaWRAP可以解决分箱分析中可能遇到的绝大多数问题,而且比较分析发现综合多个工具的MetaWRAP分箱法不仅比单个工具分箱效果好,也比同样是综合多个算法的DAS tool分箱法效果好,比较分析结果如下: 比较结果: 完成度和污染度的比较(CAMI数据集) 【图4】 完成度和污染度的比较(水、肠道、土壤数据) 【图5】 metaWRAP重组装分箱效果更佳 【图6】 三、分箱实战 MetaWRAP集合的算法和工具很全很多,但是也很慢,有条件的话可以自己尝试使用MetaWRAP。考虑到时间,下面只以MetaBAT2为例简介分箱工作流程。 1. 准备 下面是需要的软件和数据: 1) MetaBAT2地址: https:///berkeleylab/metabat/src/master/ ## 分箱工具 2) CheckM地址: https://github.com/Ecogenomics/CheckM/wiki ## 分箱质检 3) 数据地址: https://portal./dna/RD/Metagenome_RD/MetaBAT/Software/Mockup/ ## MetaBAT2测试数据 【图7】 ## 下载得到已经组装好的contigs文件assembly.fa和两个样本的bam文件。 2. 统计contig深度 jgi_summarize_bam_contig_depths --outputDepth depth_var.txt *.bam 【图8】 第一列:contigName 第二列:contigLen 第三列:totalAvgDepth 第四列:library1.sorted.bam 第五列:library1.sorted.bam-var 第六列:library2.sorted.bam 第七列:library2.sorted.bam-var 3. 分箱 (4线程,21秒) time metabat2 -t 4 -i assembly.fa -a depth_var.txt -o metabat2/bin –v 【图9】 4. 分箱评估 (4线程,32分钟) time checkm lineage_wf -f metabat2/checkm.txt -t 4 -x fa metabat2/ metabat2/checkm/ ## 评估结果保存在checkm.txt文件中。 grep 'bin' checkm.txt | sed 's/^ //' | awk '{print $1,$2,$13,$14}' | sed 's/\ /\t/g'| sed 's/\./\t/' | sort -n -k 2 | sed 's/\t/./' > test.txt ## 从checkm.txt提取ID,Taxonomy,Completeness,Contamination信息。 【图10】 第一列:Bin Id 第二列:Marker lineage 第三列:Completeness 第四列:Contamination 到此就完成了两个样本的宏基因组分箱和分箱评估工作。这只是宏基因组分箱的简介,更全更详细的分箱分析可以参考MetaWRAP分析流程。 地址:https://github.com/bxlab/metaWRAP/blob/master/Usage_tutorial.md 参考: 1) https://mp.weixin.qq.com/s/BHCs2Y97jXL-2kInlu49UA 2) https://blog.csdn.net/woodcorpse/article/details/83040987 3) http://blog.sina.com.cn/s/blog_9f23b9710102wu5t.html 感谢阅读~ |
|