【原】宏基因组分析专题（6）：CheckM 对宏基因组分箱结果进行评估

---

本文由微科盟phage根据实践经验而整理，希望对大家有帮助。

微科盟原创微文，欢迎转发转载，转载须注明来源《微生态》公众号。

写在前面

随着测序成本的大幅降低和计算方法的发展，越来越多的的单个物种的基因组从宏基因组序列分离和鉴定出来，在上一章中，通过MetaBAT从宏基因组数据中分离了若干个bins，但是对于这些bins的完整性和污染度还缺乏相应的评估，ChecM是一款使用广泛的标记基因评估基因组质量的自动化方法，CheckM提供了一套工具，用于评估从分离株，单细胞或宏基因组中回收的基因组的质量。利用系统发育中的Marker基因对基因组完整性和污染进行了强有力的估计。目前CheckM的版本为CheckM v1.1.3。

引用CheckM：Parks DH, Imelfort M, Skennerton CT, Hugenholtz P, Tyson GW. 2014. Assessing the quality of microbial genomes recovered from isolates, single cells, and metagenomes. Genome Research, 25: 1043-1055.

ChecM的官网、下载地址说明文档如下：

官方主页：https://ecogenomics./CheckM/

下载地址：https://github.com/Ecogenomics/CheckM

说明文档：https://github.com/Ecogenomics/CheckM/wiki。

注：本文配套的Binning数据可联系您所添加的微科盟组学老师免费领取，若从未添加过任一组学老师请联系微文下方的组学老师，请勿重复添加~

图1

安装和使用

一、使用数据：

使用在上一章得到的8条bins：

图2

如果前面的都没有运行出来可以联系组学老师免费获得binning数据。

二、CheckM的安装

CheckM的安装主要可以通过pip安装和conda安装。前面在宏基因组专题（2）中已经介绍了conda的相关安装和使用。pip的安装和使用教程如下：

通过pip –version 查看电脑是否安装了pip程序如果你还未安装，则可以使用以下方法来安装：

curl https://bootstrap./get-pip.py -o get-pip.py   # 下载安装脚本

sudo python get-pip.py    # 运行安装脚本

 

2.1 安装CheckM 

2.1.1 安装前准备

CheckM依赖以下几个软件，首先要保证下面几个软件达到相应的版本要求

HMMER (>=3.1b1)

prodigal (2.60 or >=2.6.1)

pplacer (>=1.1)

如果没有安装好这几个软件或者没有达到版本要求，可以使用以下命令进行安装相应软件

conda install HMMER

conda install prodigal

conda install pplcer

 

2.1.2 pip安装CheckM

CheckM >=1.1.0 是一个 Python 3.x 程序，可以使用python自带的pip安装工具进行安装

pip3 install numpy

pip3 install matplotlib

pip3 install pysam

pip3 install checkm-genome

2.1.3 conda 安装CheckM

conda install -c bioconda checkm-genome #使用bioconda的管道进行下载

 

三、数据库的下载

CheckM 依赖于marker基因的数据库文件，这些文件可以从https://data.ace./public/CheckM_databases/下载。将文件解压缩到适当的文件夹并运行以下命令以设置 CheckM 数据库文件

checkm data setRoot <checkm_data_dir> CheckM

CheckM 在2020年7月对数据库进行了一次补充，用于对CPR（candidate phyla radiation）基因组的质量评估。评估CPR的来源于2015年《Nature》杂志发表的Unusual biology across a group comprising more than 15% of domain Bacteria. Brown et al.识别了43个用于评估CPR基因组质量的Marker基因，大大增加了CRP基因组完整性评估的准确性。

 

四、CheckM的运行

checkm lineage_wf -t 2 -x fasta ./ output  

-x 输入文件的类型  这里是fasta文件格式

./ 是输入文件的当前文件

output为定义输出的文件路径

CheckM运行简化为一条命令：checkm taxonomy_wf <rank> <taxon> <bin folder> <output folder>

如果自行指定基因marker，使用HMMER提供的隐马尔科夫模型构建同源关系来进行分析。

checkm analyze <custom HMM file> <bin folder> <output folder>

checkm qa <custom HMM file> <output folder>

 

五、CheckM的运行结果

运行结束后生成的结果文件中包含bins的名称、基因组基因数目、marker基因数目、完整度、污染度等信息，如下所示：

图3

可以使用以下命令对结果进行可视化

checkm bin_qa_plot --image_type pdf -x fa bins_qa_result metabat_bins checkm_qa_plots

图4

其中，不同的颜色分别代表单拷贝、丢失、杂合与污染的marker基因，每一个bar代表一个marker，多拷贝基因之间氨基酸匹配（amino acid identity，AAI）大于90%被认为是杂合的，而AAI小于90%被认为是其他物种污染。

六、写在最后

使用CheckM评估完bins的完整性和污染度后，下一章节，我们将使用最新的Metaphlan3对宏基因组的物种组成进行分类。MetaPhlAn是一种物种注释工具，可从宏基因组鸟枪测序数据（即非16S）中分析微生物群落（细菌，古细菌和真核生物）的组成。尽情期待！

本文来源于微生态原创作者phage，仅用于学术分享，如有侵权，请联系删除！

---