导读

HUMAnN（全称HMP Unified Metabolic Analysis Network）最早由Curtis Huttenhower团队针对HMP项目开发的一款可对宏基因组/宏转录组测序数据进行物种分类分析和功能（代谢）分析的多功能软件【1】。

一、HUMAnN 第一版 2012

Curtis Huttenhower团队使用该方法还特意分别做了口腔、粪便宏基因组与宏转录组关系的研究【2】。该研究于2014年发表于PNAS，他们发现：

1）冷冻、乙醇、RNAlater三种保存条件中的微生物群落、宏基因组和宏转录组高度一致。不同保存方法对标本内的生物学信息影响不大。
2）口腔微生物能进入肠道并存活下来的数量很少、转录活性也很低。口腔和肠道的环境差异很大，人体微生物中能同时适应两种环境的数量很少；
3）宏基因组和宏转录组中的生物功能在有很高的一致性【下图】；
4）个体间的稳定性：宏基因组 > 宏转录组 > 微生物群落；
5）多数基因在RNA水平上的变异 > DNA水平上的变异。

说明：
KEGG注释后一共获得3,292个相对丰度 > 0.01%的KOs。KOs（基因）和KOs（转录本）的平均相对丰度有很高的相关性 (Spearman’s r = 0.76)。图A至图H为8个不同的KOs分类：1）红点是RNA > DNA的KOs；2）蓝点是DNA > RNA的KOs；3）x或y轴上的点表示一个数据集中丰度为零，而另一个数据集中的丰度不为零的KOs。

二、HUMAnN 第二版 2018

2018年HUMAnN第二版发表于Nature Methods【3】。与第一版相比，HUMAnN2能将功能分析和物种分类信息整合到一起，通过分层分析快速、准确进行物种水平分析。Curtis Huttenhower团队进行的IBD患者肠道菌群生态系统的多组学研究在2019年被NATURE杂志刊出，其中宏基因组和宏转录组的关键分析均由HUMAnN2完成【4】。

以COG丰度估计为例分层HUMAnN2分析法在敏感度、精确度、精准度、速度、内存使用多个方面都表现出色，如下图所示。

三、HUMAnN 第三版 2020

接着2020年又更新到HUMAnN3。第三版与第二版相比：

1） 物种分类分析部分使用最新版的MetaPhlAn 3.0；
2） 蛋白注释使用UniProt/UniRef 2019_01序列和注释信息；
3） 物种数量是HUMAnN2的2倍多，基因家族数量是HUMAnN2的3倍多；
4） 更多步骤提供可调节的参数；
5） 蛋白序列比对使用diamond 0.9。

Github地址：https://huttenhower.sph.harvard.edu/humann3/

安装和测试：

# (Optionally) Create a new conda environment for the installation
conda create --name biobakery3 python=3.7
conda activate biobakery3

# (If you haven't already) Set conda channel priority:
conda config --add channels defaults
conda config --add channels bioconda
conda config --add channels conda-forge
conda config --add channels biobakery

# Install HUMAnN 3.0 software with demo databases:
conda install humann -c biobakery

# Conda-installing HUMAnN 3.0 will automatically install MetaPhlAn 3.0.
# To install only MetaPhlAn 3.0 execute:
conda install metaphlan -c bioconda.

# Run HUMAnN unit tests:
humann_test (~1 minute)

# Run the HUMAnN demo:
humann -i demo.fastq -o sample_results

还在被宏基因组宏转录组分析方法选择和流程搭建困扰的同学，不然试试多快好省的HUMAnN。

四、宏基因组分析最佳实战

文献：Best practices for analysing microbiomes. nature reviews microbiology 2018

五、宏转录组分析工具比较

文献：
Bioinformatics tools for quantitative and functional metagenome and metatranscriptome data analysis in microbes. Brief Bioinform. 2018
参考：盘点宏转录组分析方法