宏基因组｜使用MEGAHIT组装

简介

MEGAHIT 是一款超快速且内存高效的下一代测序（NGS）组装工具，专门针对宏基因组进行了优化，同时在处理常规单个基因组（小型或哺乳动物规模）以及单细胞组装任务时也有出色表现。

主要特点与功能：

1. **超快、内存高效：**MEGAHIT 采用并行化和简洁的 de Bruijn 图（sdbg）策略，使其能够迅速处理大量测序数据，同时对内存占用极低。这一特性使其特别适合处理宏基因组学研究中的海量数据集，这类研究中数据量巨大且计算资源可能受限。
2. **宏基因组组装：**MEGAHIT 专长于组装来自含有多种微生物群体混合样本的短读序列。通过从这些混合群体中重建单个基因组或基因组区域，MEGAHIT 为后续分析（如分类学分类、功能注释及新基因或物种的识别）提供了便利。
3. **常规单基因组组装：**尽管侧重于宏基因组，MEGAHIT 同样适用于常规单基因组组装任务，无论是小型基因组还是哺乳动物大小的大型基因组。它能够有效应对不同复杂度和大小的基因组项目，为全基因组测序数据提供高质量的组装结果。
4. **单细胞组装：**MEGAHIT 对单细胞测序数据同样具有良好的适用性。单细胞测序数据通常包含较低覆盖度和较高变异率，MEGAHIT 的算法能够适应这些特性，尽可能准确地从单个细胞的测序数据中重建基因组信息。

还有一款软件SPAdes也常在宏基因组组装中见到，在介绍中好像比MEGAHIT组装效果好，但是需要消耗更多时间和资源，而且在使用中因为资源不足而报错…

spades：finished abnormally, OS return value: -9 # 因为没内存了

安装

name: assembly
channels:
  - conda-forge
  - bioconda
  - defaults
  - nodefaults
dependencies:
  - megahit=1.2.9
  - quast=5.2.0

 mamba env create -f assembly.yaml
 mamba activate assembly

组装

megahit \
-1 R1.fastq \
-2 R2.fastq \
--presets meta-large \
--out-dir Assembly \
--out-prefix final \
--num-cpu-threads 96 \
--memory 0.9 \
--verbose

参数

• fastq序列可以是单端也可以是双端，也可以是单端和双端混合输入（详细参考Reference）
• –memory 0-1之间的浮点数，表示最多使用90%比例的内存
• –presets override a group of parameters; possible values 预先设置好的几种kmer列表

meta '--min-count 2 --k-list 21,41,61,81,99' (generic metagenomes, defaultmeta-sensitive '--min-count 2 --k-list 21,31,41,51,61,71,81,91,99' (more sensitive but slower)
meta-large '--min-count 2 --k-list 27,37,47,57,67,77,87' (large & complex metagenomes, like soil)
bulk '--min-count 3 --k-list 31,51,71,91,99 --no-mercy' (experimental, standard bulk sequencing with >= 30x depth)
single-cell '--min-count 3 --k-list 21,33,55,77,99,121 --merge_level 20,0.96' (experimental, single cell data)

Reference

https://www.metagenomics.wiki/tools/assembly/megahit
https://github.com/voutcn/megahit
https://github.com/voutcn/megahit/wiki
https://github.com/voutcn/megahit/wiki/Assembly-Tips
http://www.ncbi.nlm.nih.gov/pubmed/25609793

承接宏基因组、扩增子全部分析内容