【生物信息学】——Metagenomics宏基因组学分析流程浅谈

Metagenomics Pipeline

文章主要目的：多数读者在从事宏基因组学分析的学习过程中都会遇到的共性问题，就是目前有太多的乱七八糟的分析软件，其分析质量无法考究。很难总结出一套比较切实可靠的分析流程，笔者也深受其害。摸索之中浪费了大量时间成本，故写此文，供各位参考。

宏基因组分析软件规划：

• 初始fasta.q文件

• 1.组装阶段：Megahit/Spades

• 2.质控阶段：CheckM

• 3.注释阶段：Pgap

• 4.预测阶段：waka

陈述选择原因：

1. Megahit：笔者通过文章查阅并实践分析所得，该软件相对轻量，对内存要求相对较低，其组装质量同比之下属于中上。应用于linux系统，通过conda安装很方便。适合前期学习使用。Spades：属于重量级组装工具，优点：组装N50大，contigs片段长度和准确性更好，缺点：非常耗内存，对硬件要求较高，组装速度慢
2. CheckM：指控阶段的不可或缺的软件，对去除末端，冗余等有很好的效果，大胆选用即可。
3. Pgap：强大的NCBI注释工具，可以添加很多大型数据库进行比对分析，虽然安装上有一定难度，不过其功能还是可圈可点。值得注意的一点是，这款软件同样需要很好的机器配置作为先决条件，cpu及内存，特别是内存，一定要够，否则会内存溢出。
4. weka：机器学习等模型预测工具，内置常用的贝叶斯，决策树等机器学习算法，操作相对容易，完全可以满足一般的功能基因预测。