DRAM 实跑教程｜18 条基因记录为何不如 10 条完整，怎样读懂代谢汇总与步骤覆盖度

面对微生物功能注释结果，很多人会先统计某条通路有多少条相关基因，再据此判断哪一个样本的代谢能力更强。问题在于，重复出现的同一种功能不一定能弥补缺失步骤，替代路线也可能让较少的功能类别组成完整的路径。DRAM 的代谢汇总适合用来学习这个区别，但前提是先分清它输出的数字究竟统计什么。

本文实际安装 DRAM 1.5.0，运行 distill 命令，并调用同一安装包中的步骤覆盖计算函数进行交叉核对。输入是专门设计的功能注释表，用来隔离计数、缺失和替代步骤的影响，没有把这些表伪装成真实菌株或真实宏基因组。实跑覆盖的是注释后的汇总阶段，不包含完整数据库搜索，也不是从原始测序开始的性能测试。

一、先分清注释和汇总这两件事

DRAM 的名称可以理解为对代谢注释进行整理和提炼。对读者而言，最重要的是区分前后两个阶段。前一阶段给基因分配数据库标识和注释证据，后一阶段根据整理规则把这些标识放进功能类别、代谢模块和可视化结果。后一步看起来更接近生物学解释，但它不会自动修复前一步的漏注释和错误注释。DRAM 1 官方说明

因此，汇总表里没有某项功能，至少有几种可能。样本确实没有相应基因，组装没有保留它，基因预测遗漏了它，相关数据库没有启用，或者注释标识没有正确传递到汇总字段。把这些情况都压缩成一个零，会使后续解释失去边界。好的报告应让读者能从汇总单元格追溯到基因级别记录。

版本也需要先写清。当前项目默认开发分支展示 DRAM2，它采用不同的流程组织方式。本文实跑的是固定镜像中的 DRAM 1.5.0，不能把本文命令直接当作 DRAM2 的调用方法。选用旧版做这次实验，是为了明确复查一个已经存在的注释汇总流程，而不是宣称它代表所有后续版本。项目当前说明

二、为什么选择设计注释表作为输入

如果从真实原始数据开始比较，测序质量、组装断点、基因预测和数据库搜索都会同时影响结果。对于“重复功能能不能补齐缺失步骤”这个具体问题，更清楚的做法是先固定上游注释，只改变表中的功能组合。这样得到的实验结论限于汇总逻辑，不会混入未控制的搜索差异。

本次参考 DRAM 1.5.0 对应提交中的四份规则表，保存了提交编号、文件大小和校验值。它们分别用于代谢摘要、模块步骤、电子传递相关汇总和功能热图。没有运行大规模搜索数据库构建，也没有把没有加载的数据库写成已经完成注释。固定版本的规则目录

设计对象围绕糖酵解模块 M00001。这里使用规则表中的功能标识形成五组输入。完整组包含十条记录。缺失中间步骤组去掉两条相关功能记录，剩八条。重复组保留同样缺失，再额外加入十条已经存在的功能记录。替代组使用规则中另一条可支持该步骤的功能记录。缺失末步组则保留前面的组合，去掉最后一步。

这些名称只是实验标签，不是对真实生物功能的确认。每条记录都具有唯一的基因标识，样本字段也分别保留。使用合成注释表的优势是变化可以精确追踪，局限是它不检验序列注释是否正确，也没有包含真实基因组背景、表达和环境条件。后文所有数字都应放在这个范围内理解。

三、实际运行怎样组织

安装完成后，直接执行 DRAM.py 的通用版本参数得到不支持该参数的提示。这并不表示软件安装失败。本次通过安装包自身的版本信息确认版本，再运行实际的 distill 子命令。这个小问题提醒我们，检查安装最好同时核对包版本、可用子命令和一个实际输入，而不是只依赖所有软件都具有相同形式的版本开关。

本次把配置写在独立目录，通过环境变量指向该配置。配置中的汇总规则路径全部明确设置，避免使用另一个项目留下的默认路径。输入表包含基因标识、样本标识、片段标识和功能标识四项，不为设计记录伪造真实比对分数或注释置信等级。

export DRAM_CONFIG_LOCATION="$PWD/CONFIG.json"

DRAM.py distill \
  -i annotations.tsv \
  -o distill

命令实际生成了代谢汇总工作簿、基因组统计表、结果表、交互热图和日志。为核对热图背后的步骤数量，脚本又调用同一安装包里的模块覆盖函数，导出 M00001 的详细结果。这样既有命令行的正式产物，也能检查总步骤、已覆盖步骤和支持基因，而不是只根据颜色深浅推断结果。

运行环境限制为两个处理器和四吉字节内存。本次输入极小，不能用它推算全库注释的资源需求。数据库搜索与注释后汇总是不同任务，完整流程的实际开销仍需按照选用数据库和输入规模单独评估。

四、实际数字揭示了什么

五组结果如下。表中的记录数统计输入行数，不同功能数统计该模块中的不同功能标识，步骤覆盖则按当前规则表计算。三个列回答的是三个不同问题，任何一列都不应直接命名为“代谢能力”。

完整组有十个不同功能标识，当前规则却将其组织成九个步骤。这已经说明，步骤数量与功能标识数量不是一一对应。一个步骤可能存在替代关系，也可能由多条功能证据支持。要解释覆盖度，必须回到步骤规则，不能自行用“命中的标识数除以所有标识数”替换程序的计算结果。

缺失中间步骤后，覆盖变为九分之八。重复组虽然有十八条记录，比完整组更多，但不同功能仍只有八个，覆盖依然是九分之八。额外记录只增加了已有功能的出现次数，没有提供缺失位置所需的新证据。若直接对相关基因数量排序，重复组会排到前面，却掩盖了关键步骤仍然缺失。

替代组则展示了另一个方向。它只有九条记录，比完整组少一条，但覆盖恢复到九分之九。这里的解释不是“少一个基因反而更强”，而是当前汇总规则允许不同的功能组合支持同一步骤。实际生物体系中替代路线是否工作，仍需要考虑对象、条件和其他证据，不能仅凭这个设计表确认。

缺失末步组同样有九个不同功能，却只有九分之八的覆盖。把它和替代组放在一起看，更容易理解功能数量相同为什么仍会得到不同结论。数量没有告诉我们功能位于路径的哪个位置，而步骤规则恰恰保留了这种位置关系。

五、工作簿中的 11 和覆盖度中的九分之八都可以正确

代谢汇总工作簿中，设计功能 K00844 在完整组、缺失组和替代组的计数都是一，在重复组中变为十一。这个数字与输入设计一致，说明汇总表确实保留了重复记录带来的计数变化。与此同时，模块覆盖度仍停留在九分之八。两份输出并不冲突，只是统计对象不同。

这给实际分析一个很直接的检查方法。先从工作簿里挑一个变化明显的功能，查回它关联的基因标识，再看这些基因是否只是增加同一功能的记录数。接着检查模块中的缺失步骤有没有获得新的支持。完成这两次追溯，再决定在文章里讨论的是拷贝相关差异，还是步骤组合差异。

这里还不能直接把十一条注释记录写成十一份真实基因拷贝。真实组装可能包含重复片段、污染、分箱错误或冗余注释。只有确认这些记录对应不同且可靠的基因对象后，才适合讨论拷贝数。本文输入中的十一是设计记录的数量，已经明确其来源，因此只用来演示汇总行为。

另外，同一个功能标识在工作簿多个分类位置出现，并不表示它在基因组里多出几份。本次 K00844 出现在多个工作表或不同子类别下，反映的是它被映射到多个功能描述。若将工作簿所有行直接相加，就可能重复累计同一批输入对象。总量统计应回到唯一基因标识，而不是跨工作表简单求和。

六、覆盖度达到完整，仍然不能推出通路正在运行

步骤覆盖度表示当前规则要求的证据在注释表中出现到什么程度。它没有测量转录水平、蛋白丰度、酶活性或代谢物变化。完整的功能组合可以支持某种代谢潜力的讨论，但不能替代这些层面的实验。读者若把热图中的一直接写成某种过程已经发生，就跨越了证据能够支持的范围。

反过来，覆盖度低也不是一个可以脱离输入质量解释的数值。如果某个 MAG 本身缺失较多区域，未覆盖步骤可能来自组装缺失。此时应把基因组完整度、污染评估和相关片段情况并列呈现。比较两个质量差异很大的 MAG 时，直接比较步骤覆盖度，很容易把技术缺失误写成生态分工。

本次没有真实 MAG，所以没有给它们填写虚构的完整度或分类学名称。输出中的基因组统计只反映设计输入提供的信息，不包含从不存在的序列中估计出的质量。这个边界在自动报告中尤其重要，缺少的指标应保持缺少，不能用默认的高质量数字补齐版面。

七、零、空白和没有执行过的分析需要分别记录

本次日志明确提示多个注释字段不存在，实际使用的是 ko_id。这个提示与实验设计相符，并不阻止汇总完成。但如果读者拿到真实项目的日志，发现原本计划使用的数据库字段没有进入结果，就不能因为最终热图生成成功而忽略它。

建议在项目级结果表之外，再保留一张分析范围记录，写明启用了哪些数据库、哪些字段实际进入汇总、哪些功能规则依赖尚未提供的证据。这样，某个单元格为零时，至少可以判断它是否建立在相应分析已经完成的基础上。未搜索和搜索后未检出，不应该在解释中被混为一谈。

实验还出现了描述数据库路径为空的提示。在本次已经提供功能标识和四份汇总规则的条件下，distill 正常结束。这个事实只说明本次汇总所需的信息已经足够，不意味着完整注释阶段也可以省略搜索数据库。排错时应先确定正在运行哪一阶段，再判断某条提示是否影响当前目标。

八、如何把结果变成读者能核对的证据

如果准备写论文或交付分析报告，可以为重点模块增加一张小表，列出模块总步骤、覆盖步骤、支持功能、对应基因以及未覆盖位置。正文中的热图负责快速比较，这张表负责解释差异。两者共同存在，读者才有机会检查一个深色方格究竟由哪些证据构成。

比较条件时也应保持规则表一致。某次版本更新可能改变功能与模块的映射，若前后两批使用不同规则，覆盖度变化不一定来自样本。保存规则文件的校验值和程序版本，必要时用同一批输入重算前后版本，能把规则变化与数据变化分开。

对于新增的自定义汇总类别，应先用一个小型、可手工检查的输入验证。至少包含完整、缺失、重复和替代组合，检查结果是否符合所定义的语义。本次实验展示的正是这种验证方法。它不能证明所有真实注释正确，却能让读者在扩大计算之前发现计数对象和规则理解上的错误。

九、工具的优势与局限怎样评价

DRAM 的优势是将分散的功能注释整理到比较一致的代谢框架中，降低逐个手工查找标识的工作量，也方便从总体概览回到具体功能。局限在于汇总结果始终依赖上游注释与所用规则，自动化并不会消除数据库范围不足、组装质量差异和生物学背景缺失。

本次最值得保留的经验，是同时报告记录数、不同功能数和步骤覆盖度，并明确它们的关系。十八条记录没有补齐缺失步骤，九条记录却可以通过替代关系覆盖完整路径，这两个实际结果比只记住某个命令更有助于正确读图。

下载本组复现材料可以取得设计注释表的生成脚本、固定规则文件来源、实际命令和核验结果。脚本能重新生成工作簿与热图，文中的覆盖度来自真实安装包计算。关于汇总方法和适用范围，可继续阅读DRAM 方法论文。

当这套结果追溯方法需要用于更多 MAG 和多批次功能注释时，可以了解云生信生物信息分析环境服务。