宏基因组测序分析（十三） 宏基因组分箱

分箱-binning

宏基因组分箱是指从宏基因组数据中将不同物种的序列分离，将来自同一菌种的序列聚类，得到单个菌株的数据。分箱的对象可以是reads、contig以及gene。

我们常说的binning一般指的是contig binning，侧重于单菌基因组的获得，目标是从宏基因组数据中提取出单菌的draft genome。

binning本质是聚类，聚类操作基于下面的数据：

• 核酸组成（不同物种间核酸组成存在差异）
• 丰度信息（对contig来说就是测序深度，来自同一个物种的片段测序深度应该相近。）

分箱流程

分箱软件
Metabat2，maxbin2 和 concoct 是三款常用的分箱软件；需要准备的输入数据为宏基因组拼接结果和质控过滤的测序数据。

metabat2 分箱

# 构建index
bowtie2-build A1.contigs.fa A1.contigs.db

# 比对并排序
bowtie2 --threads 6 -x ./A1.contigs.db \
-1 ./A1_1.fq.gz \
-2 ./A1_2.fq.gz 2>A1.map.log | \
samtools sort -o A1.sort.bam

# 运行分箱
runMetaBat.sh A1.contigs.fa \ # 输入， 组装结果
A1.sort.bam \ # 输入，bam文件
--minContig 1000 # contig最小长度

maxbin2 分箱

# 创建目录
mkdir A1.bindir

# 该软件自动调用bowtie2进行比对
run_MaxBin.pl -contig A1.contigs.fa \ # 输入， 组装结果
-reads ./A1_1.fq.gz \ # 输入，测序数据
-reads2 ./A1_2.fq.gz \ # 输入，测序数据
-out A1.bindir/A1.bin \ # 输出目录
-min_contig_length 1000 \
-thread 6

concoct 分箱

# bowtie2 比对
bowtie2-build A1.contigs.fa A1.contigs.db

bowtie2 --threads 6 -x ./A1.contigs.db \
-1 ./A1_1.fq.gz \
-2 ./A1_2.fq.gz 2>A1.map.log | \
samtools sort -o A1.sort.bam
samtools index A1.sort.bam

# 数据划分
cut_up_fasta.py -c 10000 -o 0 \
--merge_last \
-b contigs_10K.bed \
A1.contigs.fa > contigs_10K.fa

# 生成coverage信息
concoct_coverage_table.py \
contigs_10K.bed ./*.sort.bam > coverage_table.tsv

# 运行分箱
concoct --composition_file contigs_10K.fa \ # 输入，fasta序列
--coverage_file coverage_table.tsv \ # 输入，coverage信息
-b concoct_output/ \ # 输出，结果目录
--threads 6 \ # 线程数
--read_length 150 \ # read长度
--length_threshold 1000 # contig阈值

# subcontig 合并回原始contig
merge_cutup_clustering.py concoct_output/clustering_gt1000.csv \
> concoct_output/clustering_merged.csv

# 构建bin输出目录
mkdir concoct_output/fasta_bins

# 提取bin序列
extract_fasta_bins.py A1.contigs.fa \
concoct_output/clustering_merged.csv \
--output_path concoct_output/fasta_bins

欢迎关注Bioinfor 生信云