宏基因组分析-基于binning

一、介绍

宏基因组 ( Metagenome) 指特定环境下所有生物遗传物质的总和。它包含了可培养的和未可培养的微生物的基因。一般从环境样品中提取基因组DNA, 进行高通量测序，从而分析微生物多样性、种群结构、功能信息、与环境之间的关系等。

宏基因组的分析目前主要包括三种方法：基于组装分析、基于reads分析、基于bin分析。

下面我们介绍基于bin的分析方法。

二、分析流程介绍

宏基因组分箱（Binning）是将序列组装得到的Contigs按物种分开归类的过程。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。

分箱软件通常基于GC含量、核苷酸频率、关键的单拷贝基因序列等组成性特征；丰度分布差异，认为源自同一基因组的序列 (contigs)，在同一样本中应具有一致的丰度，而在不同的样本之间，它们又应该具有相似的丰度分布；两种策略进行分箱。

基于Binning的宏基因组分析流程，数据分析从下机原始序列开始，首先对原始序列进行去接头、 质量剪切以及去除污染等优化处理。然后使用优质序列进行拼接组装得到Contigs；使用metabat2和maxbin2软件分别对每个样本的Contigs进行分箱；不同软件分箱得到的bin进行合并（binning_refiner）、提纯（MAGpurify）；然后将所有样优化后的bin进行去冗余（dRep）；而后分别从物种和功能方面进行信息统计。

 

三、详细流程

1. 数据质量控制，为了提高后续分析质量和可靠性，对原始测序数据进行以下清洗处理， 获取用于后续分析的有效数据(Clean Data)。具体处理步骤如下：使用fastp软件去除质量低