Skip to main content

S2.3 Metagenomic binning graph

S2.3 节 “Metagenomic binning graph” 是补充材料中关于宏基因组分箱图的材料与方法部分，说明了如何模拟宏基因组数据、组装、分箱，并将分箱信息编码为 GFA 2 的无序组，最后用 GfaViz 可视化。

1. 什么是宏基因组分箱图？​

在宏基因组学中，binning（分箱） 是指根据序列组成、覆盖度等特征，把来自不同物种的 contigs 或 scaffolds 分类到不同的“箱”（bin）中，每个箱通常代表一个基因组。
宏基因组分箱图就是把组装得到的 contigs/scaffolds 作为节点，把分箱结果用组（group）的形式表示出来。在 GFA 2 中，这种分箱信息可以用无序组（unordered groups）来编码。GfaViz 则用彩色轮廓表示不同的 bin。

主文图 1b 展示了一个模拟数据集的宏基因组分箱图，其中一部分 contigs 带有彩色轮廓，表示它们属于不同的 bin。补充材料 S2.3 则详细描述了这张图是如何生成的。

2. S2.3.1 模拟宏基因组数据集​

  • 构建了一个模拟宏基因组数据集，包含 2020 million 条模拟 Illumina read pairs，read 长度为 8080 bp。
  • 这些 reads 来自 1010 个源基因组。
  • 模拟方法参照 Wu et al. (2014)：
    • 源基因组是 Wu et al. 补充材料 Table S1 中列出的 1010 个细菌基因组，长度在 2.22.2 Mbp 到 7.87.8 Mbp 之间。
    • 相对丰度也采用该表中的值，范围在 3.0%3.0\% 到 37.9%37.9\% 之间。
  • 使用 MetaSim（Richter et al., 2008）模拟 reads。
  • reads 的经验错误模型从 MetaSim 网站获取。

3. S2.3.2 组装宏基因组数据集​

  • 使用 SPAdes v3.13.0（Bankevich et al., 2012）对模拟宏基因组数据集进行组装。
  • 使用的选项：
    • --meta：用于宏基因组组装；
    • --only-assembler：跳过 reads 错误校正阶段，因为 MetaSim 不提供质量分数，而错误校正需要质量分数。

4. S2.3.3 对宏基因组组装结果进行分箱​

  • SPAdes 输出的 scaffolds 文件为 scaffolds.fasta。
  • 使用 MaxBin v2.2.5（Wu et al., 2014）以默认参数将这些 scaffolds 分类到不同的 bin 中。
  • 每个 bin 的输出 Fasta 文件的描述行用于获取该 bin 中的 scaffolds 列表。
  • 使用自定义 Python 脚本 maxbin_to_gfa.py，基于 GfaPy v1.0（Gonnella and Kurtz, 2017），将 SPAdes 输出的 GFA 1 scaffolds 图转换为 GFA 2，并将分箱信息编码为 GFA 2 无序组。

5. S2.3.4 可视化宏基因组分箱图​

  • 使用 GfaViz 可视化该宏基因组分箱图。
  • 布局采用 FMMM（Fast Multipole Multilevel Method），选项为 --fmmm。
  • 使用样式表 metagenome.style，其作用包括：
    • 设置组轮廓的颜色；
    • 打开组标签；
    • 将组标签的字体大小增加到 3636。
  • 最终效果见补充材料 Fig. S4（完整图），主文图 1b 只展示了其中一部分。

6. 这一节的意义​

S2.3 节完整展示了从模拟宏基因组数据到分箱图可视化的流程：

  1. 模拟数据：用 MetaSim 生成 1010 个基因组的 reads；
  2. 组装：用 SPAdes 的 --meta 模式组装成 scaffolds；
  3. 分箱：用 MaxBin 将 scaffolds 分类到不同 bin；
  4. 格式转换：用自定义脚本将分箱信息编码为 GFA 2 无序组；
  5. 可视化：用 GfaViz 的 FMMM 布局和 metagenome.style 样式表，将不同 bin 用彩色轮廓和标签展示出来。

这一节突出了 GFA 2 的无序组特性，以及 GfaViz 在宏基因组分箱图可视化中的能力：它能把分箱结果直接画在组装图上，用颜色和标签直观区分不同基因组来源的 contigs/scaffolds。