MPB | 农科院牧医所赵圣国-基于GraftM对功能基因进行物种注释

最新推荐文章于 2025-05-02 08:18:34 发布

最新推荐文章于 2025-05-02 08:18:34 发布 · 982 阅读

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=MzUzMjA4Njc1MA==&mid=2247511242&idx=3&sn=3f0caaa66e69df5026bf72e5d87d01f2&chksm=fb43297208c9a1cb78108052b8173dd909a8fe6da789a070d6b9f41c4ccbfec3b0d075fdb497&scene=126&sessionid=0

文章标签：

#人工智能 #大数据

基于GraftM对功能基因进行物种注释

Taxonomic classification of microbes with a given function based on a specific functional gene

赵圣国^1,*

¹动物营养学国家重点实验，中国农业科学院北京畜牧兽医研究所院，北京

*通讯作者邮箱：zhaoshengguo@caas.cn

引用格式：赵圣国. (2021). 基于GraftM对功能基因进行物种注释. // 微生物组实验手册. Bio-101: e2104000. DOI: 10.21769/BioProtoc.2104000.

Yunyun Gao, Kai Peng, Defeng Bai, et al. 2024. The Microbiome Protocols eBook initiative: Building a bridge to microbiome research. iMeta 3: e182. https://doi.org/10.1002/imt2.182

摘要：功能微生物是指执行某一特定功能的一类微生物群体。与一般性微生物相比，功能微生物与生态位表型具有更直接的联系，更能反映出生态位的功能变化。因此研究功能微生物多样性，对于解析生态位的功能机制具有重要意义。常用的RDP Classifier等算法无法适用于功能基因物种注释分析，因此本文介绍了基于GraftM的系统发育树原理对功能基因进行物种注释的方法。

关键词: GraftM，功能微生物，功能基因，物种注释

研究背景：

微生物多样性分析中，物种注释是最为关键的步骤。对于微生物多样性分析，常使用16S rRNA基因或ITS序列，利用RDP Classifier^[1]等通过朴素贝叶斯算法对序列进行物种注释。功能微生物是指执行某一特定功能的一类微生物群体，比如产甲烷微生物、尿素分解微生物、氨氧化微生物、固氮微生物。与一般性微生物相比，功能微生物与生态位表型具有更直接的联系，更能反映出生态位的功能变化。因此研究功能微生物多样性，对于解析生态位的功能机制具有重要意义。功能微生物多样性研究中，常对某些关键功能基因进行测序分析。与16S rRNA基因或ITS基因相比，功能基因常具有多个不同拷贝，难以作为系统发育的标签基因，无法根据基因序列组成和相似特点直接进行物种注释，所以常用的RDP Classifier等算法无法适用于功能基因物种注释分析。GraftM^[2]是用于功能基因注释的优秀软件，它通过对已知功能基因构建系统发育树 (含物种信息)，然后将查询功能基因定位到系统发育树，根据树上位置和距离，注释查询功能基因物种信息。本文介绍了基于GraftM进行功能微生物的物种注释。

软件和数据库

Graftm (0.13.1) ( https://pypi.org/project/graftm/)

Bioconda ( https://bioconda.github.io/)

实验步骤

一、安装Graftm程序

通过conda安装:

conda create -n graftm

conda activate graftm

conda install graftm -c bioconda

二、创建与更新功能基因数据库包

1.下载功能基因数据

登录NCBI核酸数据库 (https://www.ncbi.nlm.nih.gov/nuccore)，根据功能基因名称查询序列，下载目标功能基因序列和物种分类信息，分别整理成两个文件 (m arker.genes.fasta和marker.genes.taxonomy.txt)（图1和图2）。

文件1：参考功能基因文件，marker.genes.fasta，格式为FASTA：

图1. 参考功能基因文件格式

文件2：参考功能基因物种信息文件，marker.genes.taxonomy.txt，文本文件(第一列为ID，第二列为分类信息，两列Tab隔开)，格式如下：

图2. 参考功能基因物种信息文件格式

例子：以搜索脲酶基因ureC为例^[^3]

1)登录NCBI核酸数据库，输入关键词“ureC”，检索后出现所有包含ureC基因的序列或基因组。点击需要下载的序列，进入信息页（图3）。

图3：NCBI核酸数据库，需要下载序列信息页

2)找到ureC基因所在的编码位置，本例中是1 – 1710（图4）。

图4：ureC基因所在的编码位置

3)鼠标滑轮上滑后，在“Change region shown”那里输入1 - 1710，点击update view（图5）。

图5：“Change region shown”界面

4)保存ORGANISM信息（图6）。

图6：ORGANISM信息界面

5)点击显示方式为FASTA，将FASTA格式序列保存（图7）。

图7：保存FASTA格式

6)将所有下载的ureC基因FASTA序列复制到一个文件中，物种分类信息复制到另一个文件中。

两个文件格式为（图8，9）：

文件1：参考功能基因文件，格式为FASTA：

图8：参考功能基因文件

文件2：参考功能基因物种信息文件，文本文件（第一列为ID，第二列为分类信息，两列Tab隔开）：

图9：参考功能基因物种信息文件

2.创建功能基因数据库包

运行程序：

graftM create --sequences marker.genes.fasta --taxonomy marker.genes.taxonomy.txt --output marker.genes.gpkg（图10）：

图10. 运行结果

graftM create参数：

--sequences；参考功能基因序列文件，必选

--taxonomy；参考功能基因物种信息文件，必选

--alignment；比对后文件，如果有可提交，以减少运行时间

--hmm；HMM文件，如果有可提交，以减少运行时间

--tree；newick格式的系统发育树文件，同时提供log文件

--tree_log；系统发育树的log文件

--output；输出文件夹

--threads；线程数

--graftm_package；需要更新的旧数据库包，仅更新数据库包时使用

3.更新数据库包

如果新下载功能基因需要补充到数据库中，则需要更新数据库包。

运行程序：

graftM create --graftm_package marker.genes.gpkg --sequences marker.genes.new.fasta --taxonomy marker.genes.new.taxonomy.txt --output marker.genes.updated.gpkg

三、功能基因物种注释

运行程序：

graftM graft --forward query.fasta --graftm_package marker.genes.gpkg/ --output_directory query.graftm

graftM graft参数：

--forward；查询功能基因序列，fasta格式，必选

--graftm_package；构建好的数据库包，必选

--output；输出文件夹

--threads；线程数 (默认5)

--placements_cutoff confidence；置信截取值 (默认0.75)

结果与分析

导出文件夹query.graftm中query文件夹中query_read_tax.tsv文件。第一列为OTU (Feature) 编号，第二列为分类信息，如下所示（图11）：

图11. 运行结果

致谢

感谢中国农业科学院创新工程 (ASTIP-IAS12) 支持。

参考文献

[1] Wang, Q, G. M. Garrity, J. M. Tiedje, and J. R. Cole. (2007). Naïve Bayesian Classifier for Rapid Assignment of rRNA Sequences into the New Bacterial Taxonomy. Appl Environ Microbiol. 73: 5261-5267.

[2] Joel A Boyd, Ben J Woodcroft and Gene W Tyson. (2018). GraftM: a tool for scalable, phylogenetically informed classification of genes within metagenomes. Nucleic Acids Research. 46(10): e59.

[3] Jin, D., Zhao, S., Zheng, N., Bu, D., Beckers, Y., Denman, S. E., McSweeney, C. S. and Wang, J. (2017). Differences in ureolytic bacterial composition between the rumen digesta and rumen wall based on urec gene classification. Front Microbiol 8: 385.

宏基因组推荐

本公众号现全面开放投稿，希望文章作者讲出自己的科研故事，分享论文的精华与亮点。投稿请联系小编（微信号：yongxinliu 或 meta-genomics）

10000+：菌群分析宝宝与猫狗梅毒狂想曲提DNA发Nature

系列教程：微生物组入门 Biostar 微生物组宏基因组

专业技能：学术图表高分文章生信宝典不可或缺的人

一文读懂：宏基因组寄生虫益处进化树必备技能：提问搜索 Endnote

扩增子分析：图表解读分析流程统计绘图

16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun

生物科普: 肠道细菌人体上的生命生命大跃进细胞暗战人体奥秘

写在后面

为鼓励读者交流快速解决科研困难，我们建立了“宏基因组”讨论群，己有国内外6000+ 科研人员加入。请添加主编微信meta-genomics带你入群，务必备注“姓名-单位-研究方向-职称/年级”。高级职称请注明身份，另有海内外微生物PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

点击阅读原文