云生信学生物信息学

宏基因组分箱编排:contig、覆盖度与独立任务验收

作者:发布于 2026-11-22更新于 2026-11-15约 9 分钟阅读
分箱器需要不同覆盖格式

分箱器需要不同覆盖格式:确认BAM共同参考;生成并核对depth列;提取各样本两列表;分别验收两套bins
本文操作与检查路径示意。

MetaBAT2与MaxBin2都需要正确的contig及覆盖证据,但输入表格式不同。把MetaBAT深度表原样交给MaxBin,可能把长度、总深度或方差当作某个样本丰度。本篇从同一共同组装和两个已验收的坐标排序BAM出发,生成一份深度表,再明确提取MaxBin需要的各样本两列表。

先确认共同参考与软件环境

两个BAM必须使用这份contigs.fa的相同序列ID与长度,已完成配对、排序和比对规则检查。MetaBAT2环境按官方当前说明构建或使用验证过的固定镜像,MaxBin2.2.7所需标记基因与辅助工具也应通过样例;能运行主程序帮助不等于整个分箱链可用。

对象 MetaBAT2 MaxBin2
共同contig 同一FASTA 同一FASTA
覆盖输入 带表头、样本均值和方差 每样本contig与abundance两列,无表头
多个样本 同一depth表的多组列 abund_list列出独立丰度文件
完成判断 分箱日志和实际bin清单 summary、日志和bin清单

生成并核对深度文件

第一块使用samtools1.25的–fai-idx指定索引文件;-o用于提取FASTA,不能替代此参数。先执行第一块,再将Python保存为prepare_abund.py。代码限定jgi默认深度结构与两个样本顺序,不从totalAvgDepth生成一份伪样本;FAI必须来自相同FASTA。ID、长度、行数、非负有限数值都通过后,才输出绝对路径abund_list。

set -euo pipefail
mkdir binning-pilot-001
samtools faidx --fai-idx binning-pilot-001/contigs.fa.fai /data/contigs.fa
jgi_summarize_bam_contig_depths --outputDepth binning-pilot-001/depth.tsv \
  /data/S1.bam /data/S2.bam > binning-pilot-001/depth.log 2>&1
test -s binning-pilot-001/depth.tsv
import csv,math
from pathlib import Path
root=Path("binning-pilot-001")
fai=[r.split("\t") for r in (root/"contigs.fa.fai").read_text().splitlines()]
lengths={r[0]:int(r[1]) for r in fai};assert lengths and len(lengths)==len(fai)
with (root/"depth.tsv").open() as f:rows=list(csv.reader(f,delimiter="\t"))
head=rows[0]
assert head[:3]==["contigName","contigLen","totalAvgDepth"] and len(head)==7
assert Path(head[3]).name=="S1.bam" and Path(head[5]).name=="S2.bam"
seen=set();out=[[],[]]
for row in rows[1:]:
    assert len(row)==7 and row[0] in lengths and row[0] not in seen
    seen.add(row[0]);assert int(row[1])==lengths[row[0]]
    nums=list(map(float,row[2:]));assert all(math.isfinite(x) and x>=0 for x in nums)
    for i,col in enumerate([3,5]):out[i].append(row[0]+"\t"+row[col]+"\n")
assert seen==set(lengths)
paths=[]
for i,text in enumerate(out,1):
    path=root/f"S{i}.abund.tsv"
    with path.open("x") as f:f.writelines(text)
    paths.append(str(path.resolve()))
with (root/"abund_list.txt").open("x") as f:f.write("\n".join(paths)+"\n")

分别运行,分别验收

执行prepare_abund.py后运行下例。两线程为演示,MetaBAT2固定非零seed便于重复,默认长度等方法参数仍需按项目判断。不同分箱器输出各自保存,不把两个算法的同号bin当成同一个基因组。

set -euo pipefail
python3 prepare_abund.py
mkdir binning-pilot-001/metabat binning-pilot-001/maxbin
/usr/bin/time -v -o binning-pilot-001/metabat.time metabat2 \
  -i /data/contigs.fa -a binning-pilot-001/depth.tsv \
  -o binning-pilot-001/metabat/bin -t 2 --seed 42 \
  > binning-pilot-001/metabat.log 2>&1
/usr/bin/time -v -o binning-pilot-001/maxbin.time run_MaxBin.pl \
  -contig /data/contigs.fa -abund_list binning-pilot-001/abund_list.txt \
  -out binning-pilot-001/maxbin/bin -thread 2 \
  > binning-pilot-001/maxbin.log 2>&1
test -s binning-pilot-001/maxbin/bin.summary

核对每个bin的FASTA标签都来自共同组装,算法内部同一contig不应被无说明重复分配;未分箱与过短contig另存状态。零个合格bin可能是数据结果,也可能是覆盖、长度或依赖问题,应结合日志解释,不能空目录就默认成功。后续还需完整度、污染和分类检查,bin数量多不代表质量更好。

MaxBin已用某样本abundance时,不再同时把同一样本reads作为另一份输入,否则会重复计入该样本信息。标记集选择影响模型,不能为了增加bin数任意切换;更改协议另存结果。分箱失败先查contig对应与覆盖表列,再查辅助工具,不靠增加CPU绕过格式问题。

扩批时以组装为独立单位

另一份组装需要自己的FASTA、全部回贴BAM及覆盖表,不复用同名depth。逐阶段记录深度汇总与两个分箱器的时间、RAM和输出量,先顺序跑通再试小并发。BAM、深度、基因预测和两套bins可能共存,最终MAG很小也不能据此省略工作盘预算。

例如深度表首三列之后依次为S1.bam、S1.bam-var、S2.bam、S2.bam-var,Python只提取两列样本均值,方差仍留给MetaBAT。这个顺序来自本次命令的BAM列表,不能用文件名字典序重新排列后还沿用旧列解释。若实际表头含额外信息或样本更多,应先按官方格式扩展校验和列映射,不删除表头来逃过检查。

生成丰度文件后抽查同一contig在depth与两列表里的数值、长度以及原始BAM覆盖证据。极短、零覆盖或异常高覆盖序列应有方法上的处理记录,而不是临时填一个正数帮助聚类。输出bin仅是候选群体基因组,后续质量评估失败时仍保留原contig归属与覆盖,方便追查错分来源。

参考资料

需要额外算力时

适用前提:分箱输入满足要求,组装批次数形成稳定计算需求。如需额外资源,可评估按任务测算的CPU服务器租赁。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗