分箱-binning

宏基因组分箱是指从宏基因组数据中将不同物种的序列分离，将来自同一菌种的序列聚类，得到单个菌株的数据。分箱的对象可以是reads、contig以及gene。

我们常说的binning一般指的是contig binning，侧重于单菌基因组的获得，目标是从宏基因组数据中提取出单菌的draft genome。

binning本质是聚类，聚类操作基于下面的数据：

核酸组成（不同物种间核酸组成存在差异）丰度信息（对contig来说就是测序深度，来自同一个物种的片段测序深度应该相近。）

「分箱流程」

「分箱软件」Metabat2，maxbin2 和 concoct 是三款常用的分箱软件；需要准备【我.爱.线.报.网.】的输入数据为宏基因组拼接结果和质控过滤的测序数据。

metabat2 分箱

# 构建index bowtie2-build A1.contigs.fa A1.contigs.db # 比对并排序 bowtie2 –threads 6 -x ./A1.contigs.db \ -1 ./A1_1.fq.gz \ -2 ./A1_2.fq.gz 2>A1.map.log | \ samtools sort -o A1.sort.bam # 运行分箱 runMetaBat.sh A1.contigs.fa \ # 输入， 组装结果 A1.sort.bam \ # 输入，bam文件 –minContig 1000 # contig最小长度

maxbin2 分箱

# 创建【我.爱.线.报.网.】目录 mkdir A1.bindir # 该软件自动调用bowtie2进行比对 run_MaxBin.pl -contig A1.contigs.fa \ # 输入， 组装结果 -reads ./A1_1.fq.gz \ # 输入，测序数据 -reads2 ./A1_2.fq.gz \ # 输入，测序数据 -out A1.bindir/A1.bin \ # 输出目录 -min_contig_length 1000 \ -thread 6

concoct 分箱

# bowtie2 比对 bowtie2-build A1.contigs.fa A1.contigs.db bowtie2 –threads 6 -x ./A1.contigs.db \ -1 ./A1_1.【我.爱.线.报.网.】fq.gz \ -2 ./A1_2.fq.gz 2>A1.map.log | \ samtools sort -o A1.sort.bam samtools index A1.sort.bam # 数据划分 cut_up_fasta.py -c 10000 -o 0 \ –merge_last \ -b contigs_10K.bed \ A1.contigs.fa > contigs_10K.fa # 生成coverage信息 concoct_coverage_table.py \ contigs_10K.bed ./*.sort.bam > coverage_table.tsv # 运行分箱 concoct –composition_file contigs_1【我.爱.线.报.网.】0K.fa \ # 输入，fasta序列 –coverage_file coverage_table.tsv \ # 输入，coverage信息 -b concoct_output/ \ # 输出，结果目录 –threads 6 \ # 线程数 –read_length 150 \ # read长度 –length_threshold 1000 # contig阈值 # subcontig 合并回原始contig merge_cutup_clustering.py concoct_output/clustering_gt1000.csv \ > concoct_output/clustering_merged.csv # 构建bin输出目录【我.爱.线.报.网.】 mkdir concoct_output/fasta_bins # 提取bin序列 extract_fasta_bins.py A1.contigs.fa \ concoct_output/clustering_merged.csv \ –output_path concoct_output/fasta_bins